انجمن کامپیوتر ایران

در سال‏های اخیر، حجم داده‌های تولیدی در حوزه سلامت در حال افزایش است که از نمونه آن‌ها اطلاعات مربوط به شیوع همه‏گیری در جامعه است. در واقع الگوهای تماس افراد در جامعه، باعث ایجاد شبکه می‌شوند که تحلیل این شبکه از اهمیت زیادی در پیش‏گیری و کنترل شیوع بیماری‏ها برخوردار است. بنابراین ارائه مدلی برای ذخیره‏سازی این داده‌ها به نحوی که قادر باشد پرس‏وجوهای مطرح در این حوزه را به سرعت پاسخ دهد، ضروری است. در این مقاله برای ذخیره‌سازی این داده‌ها، از سیستم ذخیره‌سازی گرافی که یکی از انواع سیستم‌های «NoSQL» است، استفاده می‌کنیم. برای این کار ابتدا نیازها و پرس‌وجوهای مطرح در این حوزه را مشخص نموده و بر اساس آن مدل مناسب را در سیستم گرافی (neo4j) طراحی می‌کنیم. برای ارزیابی کار خود، طراحی مدل در یک سیستم رابطه‌ای (mysql) را نیز انجام داده و کارایی این دو را در پاسخ به پرس‌وجوها را با هم مقایسه کرده‌ایم. نتایج نشان می‌دهند که کارایی سیستم گرافی در بسیاری از موارد (مانند پیدا کردن مسیر انتقال بیماری، کوتاهترین مسیر بین دو فرد، پیماش گراف،... ) بهتر از سیستم رابطه‌ای است.

اخیرا استاندارد 802.15.4e، به منظور افزایش قابلیت اطمینان در زیر لایه کنترل دسترسی و برای استفاده در شبکه‌های حسگر بی‌سیم ارائه شده است. استفاده از کانال‌های متعدد غیرهمپوشان احتمال رخداد تصادم بین فرستنده‌ها را کاهش داده و این خود باعث افزایش کیفیت سرویس در شبکه و کاهش مصرف انرژی می‌شود. مکانیسم TSCH در این استاندارد هر گره حسگر را قادر می‌سازد تا ارسال بسته داده خود را بر روی یک کانال خاص و در یک اسلات زمانی معین زمانبندی کند. با این حال نحوه تخصیص کانال/اسلات و الگورریتم آن در استاندارد مشخص نشده است. در این مقاله، یک مکانیسم زمانبندی اسلات/کانال مبتنی بر 802.15.4e-TSCH برای شبکه‌های حسگر چندگامه ارائه می-شود. در مکانیسم پیشنهادی، هر گره به صورت توزیع‌شده و بر اساس حجم ترافیک عبوری اسلات‌های موردنیاز خود را برای ارسال داده تعیین می‌کند. در این روش با تخصیص اسلات‌های اختصاصی بیشتر به گره‌های نزدیک چاهک، امکان رخداد تصادم را در آن ناحیه کاهش می‌دهیم. نتایج اولیه شبیه‌سازی بر بستر OpenWSN حاکی از عملکرد کارآمد روش پیشنهادی است.

در اين مقاله، یک الگوريتم با ويژگي‌های خود-پاياسازی و محدودسازی خطا برای ساخت مجموعه غالب مینیمال به منظور خوشه‌بندی در شبکه‌های حسگر بی‌سیم، پيشنهاد می‌شود. الگوریتم‌های مشابه يا به کلی از ويژگی محدودسازی خطا بی‌بهره‌اند و یا چون اساساً با دید کاربردی خاصی طراحی نشده‌اند، با محيط عملياتی شبکه‌های حسگر تناسب ندارند. الگوریتم پیشنهادی قابلیت تنظیم وابستگی گره‌ها به سرخوشه را دارد؛ از پيکربندی‌های تک‌خطايي با پيچيدگی زمانی و مکانی O(1) ترميم می‌شود و تحت سیاست زمانبندی توزيعی ناعادلانه کار می‌کند که بیشترین مشابهت با معماری شبکه‌های حسگر را دارد. ساخت مجموعه غالب مینیمال، چون عدم مجاورت گره‌های سرخوشه را الزامی نمی‌کند، تعداد تغییر حالت کمتری تا پیکربندی مجاز نیاز دارد و ساختار خوشه‌های حاصل از آن نیز بهینه‌تر است. کاهش تعداد پيام‌های بروزرسانی، ایجاد ساختار خوشه‌بندی کارآمدتر و پايدارسازی با حداقل تغيير در ساختار توپولوژيکی از ویژگی‌های اساسی الگوريتم می‌باشند. نتایج حاصل از شبیه‌سازی نشان خواهد داد که صرف نظر از تعداد و تراکم گره‌ها، روش پيشنهادی علاوه بر ترمیم سريع در مقابل خطاهاي مقياس کوچک، زمانِ رسيدن به پايداري با شروع از پيکربندي دل‌خواه اوليه را نيز نسبت به روش‌هاي قبلي بهبود می‌دهد.

در وب معنایی، داده‌ها ساخت‌یافته هستند و از طریق پیوندهای معنایی به یک دیگر متصل شده‌اند. ساخت یافتگی داده‌ها، این امکان را فراهم می‌کند که بتوان براساس پرس‌وجوهای ساخت‌یافته و دقیق SPARQL به جستجوی وب پرداخت. بنابراین برخلاف وب اسناد که در آن، جستجو تنها براساس پرس‌وجوی کلمه‌ی کلیدی ممکن بود، در وب معنایی امکان پاسخ به پرس‌وجوهای غیرمبهم SPARQL به وجود آمده است. باتوجه به اینکه تمام نتایج بازگردانده شده در پاسخ به یک پرس‌وجوی SPARQL باید تمام شرایط ذکر شده در پرس‌وجو را برآورده نمایند، بررسی تمام نتایج و یافتن پاسخ مطلوب برای کاربر، امری زمان‌بر خواهد بود. در نتیجه نیاز به روش‌هایی برای رتبه‌بندی نتایج پرس‌وجو‌های SPARQL وجود دارد که بتواند به کاربر کمک کند تا سریع‌تر پاسخ مورد نظر خود را بیابد. در این مقاله با تطبیق روش رتبه‌بندی PageRank و تخصیص خودکار وزن به پیوندهای معنایی مختلف، یک روش رتبه‌بندی برمبنای تحلیل پیوند برای نتایج پرس‌وجو‌های SPARQL پیشنهاد شده‌است. روش تخصیص وزن، براساس تفکیک پیوندهای معنایی عام و خاص عمل می‌نماید. نتایج حاصل از ارزیابی نشان می‌دهد که روش تخصیص وزن پیشنهادی، در محاسبه‌ی رتبه موفق است و باعث بهبود دقت الگوریتم رتبه‌بندی می‌شود.

در این مقاله به روشی برای حذف و کاهش نویز از گفتار می‌پردازیم که بر کدگذاری تنک و اصول انقباضي بنا شده است. کل عملیات در حوزه زمان انجام می‌گیرد. از مهمترین کاربردهای این روش می‌توان به استفاده در سیستم‌های تشخیص گفتار و نیز در ساخت سمعک برای کم‌شنواها، اشاره نمود که کاهش نویز در این سیستم‌ها حیاتی هستند. نکته‌ی مهم در روش كدگذاري تنك چگونگي تعیین پارامترهای لازم براي تابع انقباض و تخمین واریانس نویز است. در این روش تخمین واریانس نویز با روشی ابتکاری در زمان آزمایش انجام می‌پذیرد، و تعیین سایر پارامترهای لازم در زمان آموزش از روی دادگان تمیز به خوبی انجام می‌پذیرد و سبب می‌گردد که نه‌تنها نویز بسیار خوب کاهش یابد، بلکه ساختار كليدي گفتار نیز حفظ گردد. كارايي روش فوق با الگوريتم‌هاي شناخته شده‌اي چون فيلترگذاري وینر و تفريق طيفي با سه مقیاس نسبت سیگنال به نویز قطعه‌ای، ارزیابی ادراکی کیفیت گفتار و ‌میانگین امتیاز ‌نظرات ارزیابی و مقایسه مي‌گردد و نتيجه گرفته مي‌شود كه برتري قابل توجهي نسبت به سایر روش ها ارائه داده است. به‌عنوان نمونه در مقیاس نسبت سیگنال به نویزقطعه‌ای، کدگذاری تنک انقباضی در نسبت ‌سیگنال ‌به ‌نویز 10 دسی‌بل 2/6 بوده درحالی‌که فیلترگذاری‌وینر 8/2و تفریق طیفی نتیجه بهتری از 2/2 ارائه نداده است و در شدت‌های دیگر نویز نیز به همین منوال می‌باشد.

اطلاعات فشرده شده‌ی سیگنال ویدئو، نسبت به خطاهای کانال بسیار حساس می‌باشد، به‌طوری که در هنگام انتقال، برخی از اطلاعات درون تصویر از بین رفته و کیفیت تصویر دریافتی خراب می‌گردد. لذا بازیابی اطلاعات از بین رفته، از اهمیت فراوانی برخوردار می‌‌باشد. در زمینه اختفای خطا‌، روش‌های فراوانی وجود دارد که هر یک دارای ویژگی خاصی می‌باشند. روش پیشنهادی در این مقاله با استفاده از چند نمونه‌ی شناخته شده و مناسب در مجاورت بلاک خراب، به درون‌یابی اطلاعات گم‌شده می‌پردازد. بازسازی تصویر با داشتن یک مجموعه محدود از توابع بخش‌های مجاور، انجام می‌گیرد. روش پیشنهاد شده کارآمد، پویا و ارائه دهنده یک نتیجه بسیار خوب درکیفیت دیداری تصویر می‌باشد. همچنین نتیجه‌ی این درون‌یابی برای لبه‌ها‌ی متعدد و بافت‌های پیچیده و غیرهمگن تصویر، قابل توجه است. در مقایسه با روش‌های مشابه، پیاده‌سازی این روش، بدون آن‌که در کیفیت تصاویر بازسازی شده خللی ایجاد کند، پیچیدگی محاسباتی را پایین آورده و نیز زمان پردازش را به میزان قابل توجهی کاهش می‌دهد. نتایج شبیه‌سازی نشان می‌دهد که در روش پیشنهادی، میانگین نسبت سیگنال به نویز برای تصاویر مورد آزمایش حدود dB 6 نسبت به روش [13] افزایش دارد.

انجمن‌های برخط مکان‌هایی هستند که افراد می‌توانند آزادانه نظرات خود را در آنها اعلام کنند. یکی از ویژگی‌های مهم انجمن‌های برخط این است که به مکانی برای اشتراک‌گذاری دانش تبدیل شده‌اند. تنوع کاربران و حجم دانش به اشتراک گذاشته شده در چنین محیط‌هایی بسیار بالاست، ولی مکانيزمی توانمند به منظور تعيين ميزان اعتماد به دانش اعضا وجود ندارد. با یافتن خبرگان در انجمن‌های برخط، می‌توان ميزان اعتماد به نظرات ارسالی کاربران و پاسخ‌های ارائه شده را تعيين نمود و در سامانه‌های مدیریت دانش مورد استفاده قرار داد. پیش‌تر برای این رتبه‌دهی الگوریتم PageRank مورد استفاده قرار گرفته است. با توجه به اینکه الگوریتم PageRank تنها تعداد ورودی‌ها و خروجی‌ها که در اینجا میزان پاسخ دهی به سوالات را نشان می‌دهد، به تنهایی الگوریتم مناسبی برای یافتن خبرگان نیست. در این پژوهش جهت رفع این موضوع الگوریتمی پیشنهاد می‌دهیم که علاوه بر مد نظر قرار دادن الگوریتم PageRank منطبق شده با مساله، شهرت افراد را که با توجه به تاریخچه‌ی بازخورد اعتمادهای دریافتی از سوی سایر کاربران شکل گرفته است، خبرگان هر حوزه را شناسایی و رتبه‌دهی می‌کنیم. از داده‌های انجمن برخط MetaFilter برای ارزیابی راه‌حل پیشنهادی بهره میبریم و با مقایسه آن با سایر روش‌ها، برتری راه‌حل ارائه شده را نشان می‌دهیم.

از آن‏جا که فرآیند تنظیم ژن‏ها در سطح سلولی یک روند دینامیک و پویا است، شبکه‏های عصبی با قابلیت آموزش و تنظیم بر اساس داده‏های آموزشی و سیستم‏های فازی با قابلیت تفسیرپذیری، الگوریتم‏های مناسبی جهت این نوع محاسبات هستند. در پژوهش پیش‏روی، روش‏هایی بر مبنای شبکه‏های عصبی¬فازی جهت پیش‏بینی ارتباطات پیچیده میان ژن‏ها انجام شده است. روش پیشنهادی، ژن‏هایی که بیشترین تاثیر بر هم دارند را به عنوان ژن‏های تنظیم‏کننده می‏یابد و نوع روابط آن‏ها شامل اثر سدکنندگی، فعال‏کنندگی و یا خنثی را مشخص می‏کند و در نهایت شبکه تنظیم ژنی ترسیم می‏شود. برای آموزش، از مجموعه داده‏های استاندارد ریزآرایه مربوط به 12 ژن شاخص موثر در مدت سیکل جوانه زدن نوعی مخمر (Saccharomyces Cerevisiae) استفاده شد. فعل و انفعالات حاصل شده با نتایج آزمایشگاهی بیولوژیکی پیشین، تحت معتبرسازی قرار گرفته‏اند و نتایج نشان‏دهنده آن است که با اجرای روش پیشنهادی، 15% از تعداد قوانین استخراج شده جهت بخش‏بندی فضای ورودی- خروجی کاسته شده و این منجر به کاهش شدید محاسبات می‏شود، در حالی‏که میزان مجموع مربعات خطای الگوریتم نیز در مقایسه با نزدیک‏ترین روش از لحاظ الگوریتم، 0.3- کاهش یافته است.

یکی از مسائل مطرح در طبقه بندی کننده k نزدیک ترین همسایه، تعیین اندازه همسایگی است. تحقیقات نشان داده اند تعیین بهینه مقدار k تاثیر بسزایی در میزان دقت حاصل از طبقه بندی این نوع طبقه بندی کننده دارد از همین رو، کارهای بسیاری جهت تعیین اندازه همسایگی به صورت کلی برای هر مجموعه داده و یا به صورت محلی به ازای هر نمونه، صورت گرفته است. در این مقاله یک تکنیک k نزدیکترین همسایه وفقی ارائه شده که در فاز اول، با توجه به همسایگی هر نمونه آموزشی (الگو)، یک مقدار مناسب k به هر یک انتساب داده می شود. سپس در فاز دوم، با استفاده از مفهوم وزن دهی به الگوها، فاصله ای وفقی بین یک نمونه تست و یک الگو تعریف می شود. سپس وزن الگوها به گونه ای تنظیم می شود که منجر به افزایش نرخ طبقه بندی leave one out بر روی مجموعه داده آموزشی شود. در فاز طبقه بندی، نزدیکترین الگوی هر نمونه تعیین و از مقدار k آن، برای طبقه بندی استفاده می‌شود. روش پیشنهادی با شیوه های KNN وفقی ارائه شده در تحقیقات گذشته، بر روی تعدادی مجموعه داده استاندارد، مقایسه شده است. نتایج نشان می‌دهد که الگوریتم ارائه شده نه نتها اندازه مجموعه داده را کاهش می دهد بلکه در بسیاری از موارد، بهتر از سایر الگوریتم ها عمل می‌کند. علاوه بر این در حضور نویز، تقریبا در همه مجموعه های داده، دقت بیشتری را در بردارد.

وظیفه لايه‌ي انتقال در شبکه‌ها، کنترل و پيشگيري از ازدحام و تحويل مطمئن انتها به انتهاي بسته‌ها مي‌باشد. در شبکه‌هاي حسگر روش‌هايي که هر دو فاکتور فوق را همزمان مورد توجه قرار مي‌دهند، نسبت به ساير روش‌ها موفق‌ترند. ESRT يکي از اين روش‌ها است که بزرگ‌ترين چالش آن عدم پشتيباني از اولويت‌هاي چندگانه در انتقال ترافيک مي‌باشد. در این پژوهش براي رفع مشکل ESRT از روش کدگذاري توصيفات چندگانه به همراه تصحيح خطاي پيش‌رونده استفاده‌شد و روش جديدي براي کنترل ازدحام، تأمين اتکاپذيري و اولويت‌بندي چندگانه بين توصيف‌هاي توليدي در گره‌هاي حسگر ارائه شد. در اين روش با توجه به ترافيک ويدئويي در نظر گرفته‌شده براي شبکه حسگر، تلاش مي‌شود که اتکاپذيري و به دنبال آن کيفيت ويدئوي دريافتي تا جايي که ازدحام رخ نمي‌دهد در شبکه زياد شود. نتايج شبيه‌سازي‌ها نشان داد که براي ترافيک ويدئويي با امکان ارائه‌ي توصيفات گسترش‌پذير، به خوبي اولويت بين جريان‌ها رعايت می‌شود. سرعت عمل روش نيز در مقايسه با روش پايه، مطلوب تر ارزيابي شد، که اين موضوع باعث کاهش مصرف انرژي و جلوگيري از هدر رفتن منابع شبکه در هنگام وقوع ازدحام مي‌شود.

یک سیستم طبقه‌بندی مبتنی بر قواعد فازی گونه‌ا‌ی خاص از مدل‌سازی فازی است که در آن خروجی سیستم، مقداری غیرفازی و گسسته است. چالش‌برانگیزترین مسئله در طراحی این سیستم‌ها، ساخت پایگاه قواعد فازی است. تاکنون تلاش‌های بسیاری با هدف ایجاد و تنظیم ساختار این سیستم‌ها صورت گرفته است. در این مقاله، یک الگوریتم یادگیری مبتنی بر پاداش و جریمه ارائه شده‌است. الگوریتم پیشنهادی با ارزیابی رفتار قواعد فازی در روند یادگیری، پارامترهای توابع عضویت مقدم و وزن قواعد سیستم را در راستای بهبود نتایج طبقه‌بندی تنظیم می‌کند. در گونه‌های این الگوریتم، برای ایجاد تعادل مابین تنظیم وزن قواعد فازی و اصلاح زیر فضاهای فازی، معیارهای تعداد جریمه‌‌ها و میزان نوسان در دریافت پاداش و جریمه‌ی هر قاعده معرفی شده‌اند. ایده‌های پیشنهادی به کمک تعدادی از مجموعه‌داده‌های UCI ارزیابی شده و کارایی آنها در مقایسه با الگوریتم پایه‌ای پاداش و جریمه، و شبکه‌عصبی MLP بررسی شده ‌است. نتایج نشان می‌دهد روش پیشنهادی به خوبی می‌تواند کیفیت طبقه‌بندی را ارتقا داده و دقت بالاتری را حاصل نماید.

برنامه‌های کاربردی مبتنی بر سرویس انتقال صوت بر روی IP (VoIP) در شبکه‌های محلی بی‌سیم (WLANs) به سرعت در حال توسعه هستند. از آن‌جا که معماری این شبکه‌ها برای انتقال داده طراحی شده است، بهبود و افزایش کیفیت سرویسVoIP نیاز است. از طرف دیگر الگوریتم‌های سازگاری نرخ در استاندارد IEEE 802.11 با مدیریت نرخ ارسال در لایه MAC، بر پارامتر‌های کیفیت سرویس VoWLANs مؤثر هستند. در این مقاله ابتدا الگوریتم سازگاری نرخ کارآمدی جهت تضمین کیفیت سرویس VoWLANs ارائه‌ شده است. سپس با بهره‌گیری از رویکرد بین لایه‌ای، روشی برای بهبود کیفیت سرویس VoIP ارائه خواهد شد. در این روش با معرفی یک عامل ارتباطی بین لایه MAC و لایه کاربرد، مقدار R-Factor از طریق پروتکل RTCP محاسبه می شود.. متناسب با مقدار به‌دست آمده، در لایه MAC از الگوریتم سازگاری نرخ کارآمد، و در لایه کاربرد از کدگذار - کدگشای مناسب استفاده می‌شود. با استفاده از شبیه‌ساز NS-3، شبیه‌سازی‌هایی با سناریوهای متفاوت برای پنج الگوریتم‌ سازگاری نرخ و کدگذار - کدگشا‌‌ها‌ی مختلف اجرا شده است. نتایج شبیه‌سازی نشان می‌‎دهد که الگوریتم سازگاری نرخ ARF برای ترافیک‌های پایین و CARA برای ترافیک‌های بالا کارآمدتر است. هم‌چنین روش ارائه شده مبتنی بر رویکرد بین لایه‌ای، می‌تواند کیفیت ‌سرویس VoWLANs را پایدار و بهینه نماید.

در این مقاله الگوریتم جدیدی برای ناحیه بندی تصاویر بافتی، با استفاده از مدل کانتور فعال مبتنی بر ویژگی الگوی باینری محلی کامل (CLBP) ارایه شده است. در روش پیشنهادی ابتدا یک ناحیه‌بندی تقریبی توسط روش خوشه‌بندی K-Means بر روی ویژگی‌های به دست آمده از CLBP انجام می‌گیرد. از این ناحیه‌بندی تقریبی برای تعیین مکان کانتور اولیه استفاده می‌شود. در ادامه به منظور کاهش حجم محاسبات و بهبود در عملکرد ناحیه بندی، از بین کدهای CLBP، آنهایی که قدرت جداسازی بیشتری بین ناحیه‌ها ایجاد می‌کنند انتخاب می‌شوند. در پایان با استفاده از مدل کانتور فعال، ناحیه بندی تصویر انجام می‌شود. نتایج حاصل از اعمال الگوریتم جهت ناحیه‌بندی تصاویر بافتی نشان می‌دهد که روش پیشنهادی عملکرد مناسبی از نظر دقت و سرعت ناحیه‌بندی برخوردار است. از جمله مزایای روش ارایه شده، توانایی آن در ناحیه‌بندی تصاویر بافتی دارای ناهمگنی در شدت روشنایی است، که دلیل آن مقاوم بودن عملگر الگوی باینری محلی نسبت به تغییرات یکنواخت در شدت روشنایی تصویر است.

اقتباس از آثار علمی دیگران بدون ارجاع صحیح به آنها را دستبرد علمی می‌نامند که کشف خودکار انواع این سوء استفاده‌ها‌ همواره مورد توجه محققین بوده است. در این مقاله روشی جهت کشف دستبرد علمی ارائه شده است که یک روش مبتنی بر بازیابی اطلاعات است. در این روش ما از یک شیوه بازیابی اطلاعات مبتنی بر خوشه‌بندی استفاده کرده‌ایم و در آزمایشات نشان دادیم در سیستم‌های کشف دستبرد علمی، استفاده از شیوه‌های بازیابی اطلاعات مبتنی بر خوشه‌بندی می‌تواند بسیار کاربردی‌تر از شیوه‌های دیگر بازیابی اطلاعات باشد. همچنین در این الگوریتم معیاری برای رتبه‌بندی اسناد بازیابی شده، ارائه شده است. نتایج آزمایشات نشان می‌دهد با استفاده از این معیار، سند مورد نظر در 91% موارد در فهرست اسناد رتبه‌بندی شده با رتبه کمتر از پنج حضور دارد. روش کشف دستبرد علمی پیشنهادی قادر به کشف انواع کپی‌برداری‌های دقیق و کپی‌برداری با تغییرات مانند جابجایی جملات، حذف و درج جملات، جایگزینی کلمات با مترادف‌هایشان و ترکیب بخش‌های کپی شده با یکدیگر است. این سیستم قابل توسعه به انواع کپی‌برداری‌های هوشمندانه نیز می‌باشد. در روش پیشنهادی علاوه بر متن اسناد، تصاویر موجود در آنها نیز در رتبه‌بندی اسناد مؤثر خواهند بود. نتایج ارزیابی سیستم پیشنهادی، نشان می‌دهد که در این سیستم برای کپی‌برداری‌های تحت الفظی، میانگین رتبه سند منبع، پنج می‌باشد.

شبکه‌های عصبی عمیق دارای کاربردهای فراوانی در پردازش گفتار می‌باشند. در صورتی که این شبکه‌ها به صورت تصادفی مقداردهی اولیه شوند به جواب درست همگرا نخواهند شد، چراکه دارای تعداد پارامترهای فراوانی می‌باشند. روش‌هاي متعددي براي پيش-تعلیم شبكه‌های عصبي عميق مطرح شده است که باعث همگرا شدن شبکه می‌شوند. پيش-تعلیم شبكه‌های عصبي مي‌تواند هم بر مبناي شبكه باور عميق و هم ماشين بولتزمان عميق انجام گيرد. در این مقاله شبکه عصبی عمیق با روش پیش-تعلیم جدیدی که بر مبنای ماشين بولتزمان عميق می‌باشد، آموزش می‌بیند. در نهايت خروجي شبكه عصبي پس از پيش-تعلیم توسط روش ارائه شده، برای طبقه بندی واج‌ها مورد استفاده قرار می‌گیرد. نتايج تجربي بر روي دادگان گفتار تیمیت بیانگر آن است که روش ارائه شده براي كاربردهاي بازشناسي واج مناسب می باشد. همچنین آزمایشات نشان داده است که روش‌ ارائه شده بر مبنای ماشين بولتزمان عميق به كاهش خطاي عمومي سيستم و افزايش كارائي آن كمك مي‌كند و از طرفی باعث همگرائی سریع‌تر شبکه عصبی عمیق می‌شود.

مدل رایانش ابری نیازهای سطح زیرساخت تا نرم‌افزار را به عنوان خدمت ارائه می‌دهد. یکی از مهمترین چالش‌های این فن‌آوری داشتن صرفه‌ی اقتصادی و سود‌آوری بالا برای ارائه‌دهندگان خدمات ابری است. با توجه به ویژگی کشسانی رایانش ابری، امکان پرداخت به ازای استفاده برای هر خدمت فراهم می‌شود. لیکن، اگر منابع کمتر از نیاز بارکاری تخصیص یابند دسترس‌پذیری خدمت کاهش یافته و طبق توافق‌نامه‌ی سطح خدمت، ارائه‌دهنده باید جریمه پرداخت کند و اگر دسترس‌پذیری بیش از نیاز مشتری باشد، منجر به افزایش هزینه‌های ارائه‌دهنده‌ی خدمت می‌شود. در این مقاله، با توجه به ویژگی‌های کشسانی خودکار و پرداخت به ازای استفاده‌ی رایانش ابری و دسترس‌پذیری در توافق‌نامه‌ی سطح خدمت، یک الگوریتم ابتکاری برای تخصیص پویای منابع به خدمات نرم‌افزار ابری به منظور بیشینه کردن سود ارائه‌دهنده‌ی خدمات زیرساخت ابری ارائه گردیده است. نتایج آزمایشاتی که بر روی داده‌های واقعی صورت گرفته، نشان می‌دهد که الگوریتم ارائه شده در مقایسه با الگوریتم ژنتیک، زمان اجرای کوتاهتر و مقیاس‌پذیری دارد به طوری که برای یک بازه‌ی زمانی در مقیاس چند دقیقه امکان کشسانی خودکار به شیوه‌ی کارآمد مهیا می‌گردد. همچنین، این الگوریتم با تعیین تخصیص بهینه، سودی برابر و در برخی حالات بیشتر از الگوریتم ژنتیک برای ارائه‌دهنده‌ی خدمات ابری در پی دارد.

این مقاله به مساله شناسایی جریان‌های فیل‌آسا در شبکه‌های کامپیوتری می‌پردازد. به دلیل اینکه شناسایی این نوع از جریان‌ها باید به صورت برخط انجام شود، ارائه الگوریتمی بسیار کارا و سریع برای شناسایی این جریان‌ها بسیار ضروری می‌باشد. الگوریتم ارائه شده دارای ساختاری موازی تصادفی است. به عبارت دیگر برای حل مساله از رویکرد تصادفی بر مبنای الگوریتم موازی با معماری هرم استفاده شده است. مرتبه زمانی الگوریتم ارائه شده در مرحله تحلیل بسته‌ها O(1) و در مرحله ادغام نتایج و بازنشانی ساختمان داده O(lg n) است. بهبود عملکرد الگوریتم چه از نظر کاهش میزان خطای شناسایی جریان‌های فیل‌آسا چه از نظر کاهش فرکانس ساز و کار بازنشانی با آزمایش بر روی داده‌های نمونه مورد ارزیابی و تایید قرار گرفته است.

سیستم‌های پرسش‌و‌پاسخ، زیرشاخه‌ای از علوم پردازش زبان طبیعی و بازیابی اطلاعات محسوب می‌شوند که در چند دهه‌ اخیر مورد علاقه زیاد محققین قرار‌گرفته‌اند و پیشرفت‌های قابل‌توجه‌ای در این زمینه، بخصوص در زبان انگلیسی انجام شده‌است. با توجه به رشد فزاینده‌ علاقه‌مندی به این زمینه‌ پژوهشی، نیاز به در اختیار داشتن منابع داده‌ای مناسب برای آن، به خوبی احساس می‌شود. در این مقاله، مراحل کامل توسعه‌ یک پیکره پرسش و پاسخ با نام رسائل و مسائل در زبان فارسی شرح داده خواهد شد. می‌توان اظهار کرد که این پیکره در نوع خود، اولین پیکره مربوط به پرسش و پاسخ با چنین ویژگی‌هایی برای زبان فارسی است. این پیکره شامل 2,118 سوال غیرحقیقت و 2,051 سوال حقیقت است که می‌تواند برای یادگیری کلیه مولفه‌های سیستم‌های پرسش و پاسخ شامل دسته‌بندی سوال، بازیابی اطلاعات و استخراج پاسخ، به صورت رایگان مورد استفاده عموم قرار گیرد.

شبکه موردی سیار مجموعه‌ای از نودهای متحرک است که با استفاده از ارتباطات بی‌سیم به تبادل اطلاعات می‌پردازند. هر نود ارسال کننده داده ممکن است به علت بار ترافیک سنگین دچار اردحام شود. رخداد این امر باعث افزایش تعداد بسته‌های حذف شده در سطح شبکه، طولانی‌تر شدن تاخیر دریافت بسته‌ها در مقصد و عدم بهره برداری مناسب از منابع شبکه می‌شود. بنابراین جهت مقابله با پدیده ازدحام، طراحی پروتکل‌های مسیریابی که علاوه بر انجام رسالت ارسال داده بین مبدا و مقصد، دارای مکانیزمی‌جهت پیشگیری و کنترل ازدحام هستند، اهمیت دارد. در این رابطه می‌توان به پروتکل DCDR اشاره کرد که یک پروتکل مسیریابی با قابلیت کنترل ازدحام در شبکه های سیار موردی می‌باشد. این پروتکل جهت پیش‌بینی و جلوگیری از وقوع ازدحام از یک مکانیزم کنترل ازدحام مناسب، براساس تخمین میانگین طول صف در هر نود استفاده می‌کند، اما فاقد مکانیزم مناسب جهت کنترل و کاهش نرخ بسته‌های حذف شده در لایه داده، به هنگام خرابی کانال می‌باشد. در این پژوهش پروتکل مسیریابی DCLFDR جهت کنترل ازدحام در لایه شبکه و کنترل نرخ بسته‌های حذف شده در لایه داده پیشنهاد می‌شود. نتایج شبیه‌سازی نشان می‌دهد که پروتکل DCLFDR نسبت به DCDR، در معیارهای تاخیر انتها‌به‌انتها و نسبت تحویل داده دارای عملکرد بهتری است.

In this paper, a new method for quantitative evaluation of the security of cyber-physical systems (CPSs) is proposed. The proposed method models the different classes of adversarial attacks against CPSs, including cross-domain attacks, i.e., cyber-to-cyber and cyber-to-physical attacks. It also takes the secondary consequences of attacks on CPSs into consideration. The intrusion process of attackers has been modeled using attack graph and the consequence estimation process of the attack has been investigated using process model. The security attributes and the special parameters involved in the security analysis of CPSs, have been identified and considered. The quantitative evaluation has been done using the probability of attacks, time-to-shutdown of the system and security risks. The validation phase of the proposed model is performed as a case study by applying it to a boiling water power plant and estimating the suitable security measures.