انجمن کامپیوتر ایران

Sensor networks inherently are power limited. This characteristic has led to a number of routing schemes that use the limited resources available at sensor nodes more efficiently. These schemes typically try to find the path with minimum energy to optimize the energy consumption at a node, using current Ad hoc network routing protocols. In this paper, we proposed an efficient power-aware routing protocol, called CRP, specifically for the sensor networks. CPR (Cross-layer Power-aware routing) involves network and MAC layers to minimize the power saving (or maximize the lifetime) of the sensor networks. We used recently proposed S-MAC (Sensor MAC) to exploit the maximum efficiency. CPR also distributes the traffic load semi randomly in the network to reach some degrees of load balancing and minimizes the routing control traffic. We used CPR for environment monitoring scenario. In this scenario, sensor nodes must send the collected data to a central base station or sink node for further processing. We conducted extensive Simulations to optimize the parameters and find the requirements for the system to work correctly.

Accuracy-based classifier systems (XCS) traditionally use a binary string rule representation with wildcards added to allow for generalization over the population encoding. However, the simple scheme has some of drawbacks in complex problems. A neural network-based representation is used to aid their use in complex problem. Here each rule's condition and action are represented by a small network evolved through the action of the genetic algorithm. Also in this work a second neural network is used as classifier's prediction, trained by back propagation. After describing the changes required to the standard XCS functionality, the results are presented using neural network to represent individual rules. Examples of use are given to illustrate the effectiveness of the proposed approached.

A wireless network consisting of a large number of small sensors with low-power transceivers can be an effective tool for gathering data in a variety of environments. The data collected by each sensor is communicated through the network to a single processing center that uses all reported data to determine characteristics of the environment or detect an event. The communication or message passing process must be designed to conserve the limited energy resources of the sensors. This paper derives an algorithm for minimizing energy consumption by a hierarchical wireless sensor network in transmitting data from source to sink. We assume a single-hop multi-level clustered network. The stochastic geometry is used to analytically determine the optimum number of clusters at each level, to show that a multi-level approach can significantly reduce the required network energy.

Massively parallel systems are often composed of hundreds or thousands of components (such as routers, channels and connectors) that collectively possess failure rates higher than what arise in the ordinary systems. For these systems, new measures have been introduced that can evaluate the capability of a system for gracefully degradation. In the design of such systems, one of the most fundamental considerations is the reliability of their interconnected networks, which can be usually characterized by connectivity of the network topological structure. Resilience of graphs and various types of deterministic networks have attracted significant attention in the research literature. A classical problem in this line of study is to understand failure conditions which the network disconnects and/or starts to offer noticeably lower performance (such as increased routing distance) to its users. In this paper, we investigate the problem of network disconnection by means of simulation in the context of large-scale interconnect networks and understand how static patterns of node failure affect the resilience of such networks.

This research addresses computer network routing based on recursive modeling method (RMM). In our proposed method, each router as an intelligent agent uses RMM tree-like structure to make a rational and intelligent decision on transmitting packages. This decision is made based on the models of other routers in the network and its belief about them. However, as the network conditions vary with time, the needs of updating each routers belief about others can not be neglected. To achieve this goal, Bayesian law is used to update routers belief about others. To validate the proposed method, we test it as a computer simulation. The results show that this method increases the network performance by decreasing the network overhead arising from routers packages. Additionally, as the network dynamics increases, employing Bayesian law helps the routers to quickly adapt to the new conditions.

Many real world problems have iterative behaviors, so planners should be able to tackle such problems and generate iterative plans. Iterative actions have been considered by a few of planners, and most of the efforts have been based on linear planning. In this paper, we show how SAT-Plan, which is one of the fastest existing planners, can be extended to generate recursive plans. Generated recursive plans are similar to those that are generated by humans for iterative problems. The main idea in this work is based on the mathematical induction, and has been implemented. Results obtained from testing the extended SAT-Plan on several examples from the blocks-world domain, confirms the success of the proposed idea.

In our paper, a new approach for critical success factors of Business to Business (B2B) electronic commerce is presented. Important aspects of this approach can be classified into three main groups; environmental, internal and inter-organizational factors. The first group pertains to the factors that change the conditions equally for all companies in the business space and are out of influence of firms. Internal factors comprise individual features of companies, such as business strategies, culture, resources and etc. The Inter-organizational dimension is included the factors that are related to organization ability to set up Inter-organizational relationships electronically. Experimental results showed promising in evaluating the quality of business enterprises.

واضح سازی یکی از عملیات مهم در پردازش تصویر می باشدو یکی از روشهای واضح سازی، روشی است مبتنی بر مدل پخش گاز که در آن، فرآیند تار شدن تصویر به صورت فرآیند پخش گاز مدل می شود.در این روش معمولا مقدار پارامترa براي کلیه پیکسلهای تصویر اعم از لبه و یا غیر لبه یکسان در نظر گرفته می شود و به همین دلیل تمام قسمتهای تصویر بطور یکسان واضح سازی می شود. اگر بتوان مقادیر a را به صورت محلی براي هر پیکسل تعیین نمود،بتوان مقادیر کارایی روش بالاتر خواهد بود؛ به صورتیکه در نقاطی با تغییرات بالای فرکانس (لبه ها) از مقادیر بالا و در سایر نقاط از مقادیر پایین براي پارامتر a استفاده شود. در این مقاله روشی براي واضح سازی پیشنهاد می گردد که از ترکیب روش واضح سازی مبتنی بر پخش گاز و اتوماتای سلولی فازی حاصل شده است. در این روش ترکیبی، اتوماتای سلولی فازی، از طریق یکسری قوانین فازی، عهده دار تعیین مقادیر مناسب پارامتر a برای پیکسلهای تصویر می باشد. روش پیشنهادی متکی بر عملیات محلی در همسایگی هر پیکسل می باشد که این امر پیاده سازی آن را ساده تر می سازد. نتایج حاصل از پیاده سازی روش پیشنهادی، نشان دهنده کارایی بالای آن در مقایسه با سایر روشهای واضح سازی است.

از مهمترین مسائل مطرح در تولید سیستم های موبایل، حسگرهای بی سیم و سایر پردازنده های نهفته، میزان مصرف انرژی در تراشهی پردازنده و در حافظه ی نهان آن است این درحالی است که بسیاری از تلاشهایی که تاکنون برای غلبه بر اتلاف توان در این حافظه انجام شدهاند، منجر به کاهشکارایی آن گردیده اند. در این مقاله، با به کار بردن یکی از روشهای کاهش نشتی توان در حافظه ی نهان، در کناراعمال تغییر اندک در کاربری ساختارLSQ ، هم میزان مصرف انرژی پویا و ایستا در حافظه ی نهان کم شده است و هم کاهش کارایی ناشی از روش اول، توسط روش دوم جبران گردیده برای است. نتایج حاصل از آزمایشات روی شبیه ساز HotLeakage حافظه ی نهان داده، نشان دهنده کاهش ۴,۵ % زمان اجرا در کنار کاهش ۷۲,۵ % درصدی نشتی انرژی در این حافظه بوده اند.

در سال 1968 یك زیست شناس نوع جدیدی از مكانیزم بازنویسی رشته ها را معرفی كرد كه در آینده سیستم L - نام گرفت. دوباره نویسی تكنیكی برای تعریف شی های پیچیده است. در این روش با جایگزینكردن متوالی قسمتی از شكل اولیه بوسیله قانون های تولیدی، دوباره نویسی انجام م یشود. در سیستم L- اعمال قوانین بر خلاف سیستم گرامر چامسكی به صورت موازی انجام میشود. انواع مختلقی از سیستم L- مانند براكتدار، احتمالی، پارامتری و مخصوص مدل گیاهان تعریف شده است. در تمامی آنها بعد از آنكه قوانین تولیدی، رشته حاصل از بازنویسی را تولید نمود شكل گرافیكی متناظر از تفسیر هندسی آن قابل ارائه است. لذا در این مقاله، با در نظر گرفتن قسمت تولید رشته كامپایلری طراحی شده است كه می تواند برنامهای با زیان سیستم L- و انواع مختلف آنرا تحلیل نموده و اجرا نماید.

با رشد روزافزون داده های قابل دسترس در اینترنت، خصوصی سازی فضای اطلاعاتی وب سایتها برای کاربران تبدیل به یک نیاز شده است. یک روش برای خصوصی سازی داده های وب، استخراج اتوماتیک دانش از روی لاگ وب سایت ها است. تحلیل وآنالیز فایلهای بزرگ لاگ وب سایت ها یک عمل پیچیده است که به صورت کامل به وسیله نرم افزارهای آنالیزکننده مورد توجه قرار نگرفته است. ما در این مقاله کاربرد تکنولوژی داده کاوی در تحلیل رکورد های لاگ وب سایتها را نشان خواهیم داد. این فایلهای لاگ، از بازدید کاربران از صفحات وب یک سایت خبری بدست آمده است. سپس با استفاده از یک سیستم تجاری داده کاوی، الگوهای خواندن وب سایت توسط کاربران را بدست خواهیم آورد. این الگوها رفتار کاربران را در بازدید از سایت مشخص میکنند که توسط آن میتوان یک سیستم پیشنهاد دهنده خبر را بر اساس سلیقه کاربر، به او ارائه داد.

در اين مقاله دو سلول جديد جمع كننده تك بيتي با هدف كاهش توان مصرفي و بالا بردن كارآيي، ارائه شده است . مبناي كار ، استفاده از تابع راي اكثريت و شباهت خروج يهاي C

دسته بندي داده هاي ميكروآرايه براي تشخيص نمونه هاي سالم از سرطاني، به علت تعداد بالاي ويژگ يها (ژن ها) و تعداد كم نمونه ها هميشه با چالش مواجه بوده است. در اين تحقيق كاربردنمونه ها هميشه با چالش مواجه بوده است. در اين تحقيق كاربرد PSO در انتخاب ويژگي داده هاي ميكروآرايه ( مربوط به ٦ مجموعه دادة لوكمي، سرطان رودة بزرگ، سرطان سينه، سرطان ريه، سرطان تخمدان و سرطان پروستات) بررسي شده است. دقت دسته بند ِ ي يك دسته بندي كنندة SVM نيز به عنوان تابع برازش PSO درنظر گرفته شده است. در اين ديدگاه از الگوريتم Adatron به عنوان كرنل SVM استفاده شده است. الگوريتم Adatron نه تنها رسيدن به راه حل بهينه را تضمين مي كند بلكه سرعت همگرايي را در هر تكرار آموزش به صورت نمايي افزايش مي دهد. در اين ديدگاه براي بالا بردن كارايي، از يك روش پيش پردازش فازي استفاده شده است و ارزيابي دسته بندي كننده با استفاده از روش K-Fold Cross Validation صورت گرفته است.

در اين مقاله به فرآيند توصيه، به عنوان يك مسئلة تصميم گيري چند معياره نگريسته و استفاده از متد PROMETHEE به عنوان يك روش پركاربرد در ميان روشهاي تصميم گيري چند معياره- براي سيستم هاي توصيه گر مورد بررسي قرار گرفته است. غالب سيستم هاي توصيه گر به توصية يك نوع كالا، آن هم از انواع با تواتر خريد بالا (مانند: موسيقي، فيلم، كتاب و ...) پرداخته اند [ 27 ] اما توصيه اقلام گوناگون و با تواتر (تكرار) خريد پايين از مسائلي است كه امروزه توجه محققين تجارت الكترونيك را بيش از پيش به خود جلب كرده است. اين مقاله با بكارگيري روش PROMETHEE II به توصيه از دسته كالاهاي مختلف با تكرار خريد پايين پرداخته است. عملكرد سيستم طراحي شده با داده هاي واقعي و بر اساس معيارهاي ارزيابي سيستمهاي توصيه گر مورد ارزيابي قرار گرفته و زمان پاسخگويي سيستم نيز با متد مشابه مقايسه شده است. نتايج آزمايشات حكايت از دقت و صحت خروجي هاي سيستم داشته و نيز عملي بودن توصيه از دسته هاي متفاوت ولي مرتبط كالاهاي با تواتر خريد پايين را در زمان پاسخگويي مناسب نشان مي دهد.

در اين مقاله يك ايده براي آشكارسازي چهره هاي طبيعي موجود در تصاوير رنگي با استفاده از تركيب طبقه بندها طرح گرديده است. بدين منظور از تركيب متوالي طبقه بندهاي مدل رنگ پوست و AdaBoost استفاده شده است . در روش پيشنهادي ابتدا با استفاده از تخمين مدل رنگ پوست، نواحي هم رنگ با پوست از پس زمينه قطعه - بندي مي گردند. سپس با استفاده از تحليل اجزاء به هم پيوسته، نواحي كانديدا براي يافتن چهره هاي طبيعي شناسايي ميگردند. در مرحلة بعد براي تخمين چرخش دو بعدي سر، بر روي نواحي كانديدا PCA اعمال شده است . در مرحلة چهارم، مقدار زاوي ة چرخش سر جبران سازي گرديده است . براي آشكارسازي نهايي چهره هاي طبيعي ، تصاوير كانديداي جبرانسازي شده به عنوان ورودي مطلوبِ طبقه بند AdaBoost در نظر گرفته مي شوند. نتايج تجربي نشان مي دهند كه روش ارائه شده قادر به آشكارسازي چهره هاي طبيعي در تصاوير تا 360 درجه چرخش دو بعدي است . نرخ آشكارسازي چهره بر روي مجموعه دادههاي آزمايش شده بيش از 96 درصد گزارش شده است.

اين مقاله به ارائه مكانيزمي جهت موازنه بار ميپردازد كه در آن اطلاعات مربوط به بار هر گره شامل بار پردازنده، ميزان مصرف حافظه و ترافيك شبكه جمع آوري شده و اين اطلاعات با دانشي كه در زمينه نيازمنديهاي يك كار به منابع، حين اجراي آن كار روي سيستم كلاستر ذخيره گرديده است، تلفيق ميگردد. اين اطلاعات به منظور بهكارگيري سياستي مناسب جهت موازنه بار و انتساب ميزان مشخصي از كار به هر گره، نه تنها بر مبناي بار آن گره، بلكه با در نظر گرفتن نوع كاري كه قرار است روي آن به اجرا درآيد، مورد استفاده قرار ميگيرد. الگوريتم پيشنهادي با الگوريتمهاي مبتني بر بار كه جهت موازنه بار، تنها اطلاعات مربوط به بار هر گره را بدون در نظر گرفتن نوع كاري كه قرار است به اجرا در آيد در نظر مي گرفته اند، مقايسه شده است و نتايج حاصل از آن بيان ميدارد كه الگوريتم پيشنهادي، در شرايط مساوي با الگوريتم هاي مبتني بر بار از كارايي بالاتري برخوردار است.

در اين مقاله دو روش مختلف بر مبنا ي اي ده ه اي انتخاب معكوس و شبكه ايمني مصنوعي جهت تشخيص و كاهش ن ويز نمك و فلفل ارائه شده است. يكي از اين دو روش بر مبن اي الگو ريتم انتخاب معكوس بوده و با استفاده از اي ده ه اي مطرح شده در تئور ي شبكه ايمني، تعداد محافظ هاي استخراج شده را كاهش ميدهد. روش ديگر بر مبناي شبكه ايمني مصنو عي aiNET بوده و با استفاده از ا يده ي انتخاب معكوس از خروجي شبكه aiNET محافظ ها را ايجاد مي كند. هر دو روش روشهايي يادگير با توانايي شناسايي الگو هستند و توانا يي سيستمهاي ايمني مصنوعي در تشخيص الگوهاي خودي (مجاز) از غي ر مجاز را به ارث برده اند. در اين سيستم الگوهاي مجاز، جزيي ات تص وير، لبه ها و ساير نقاط بدون نويز تصوير است و الگوهاي غي ر مجاز نقاط ي هستند كه تحت تاث ير نو يز نمك و فلفل قرار گرفت ه ان د. روشه اي پيشنهادي اگرچه يادگيري با ناظر دارند، اما يادگيري تنها بر ر وي ي ك مثال آموزشي كه آن هم به صورت خودكار ا يجاد مي گردد انجام ميگيرد.

الگوريتم ژنتيك نش تلفيقي از الگوريتم ژنتيك و استراتژي نَش به منظور رسيدن به نقطه تعادل نَش ميباشد. در اي ن تحقي ق با الهام از الگور يتم ژنت ي ك نَ ش و برنامه نو ي سي ژنت ي ك، برنامه نوي سي ژنتيك نَش معرفي و توسعه داده شده اس ت. كاربرد الگوريت م توسعه داده شده در بازار سهام مورد بررسي و كارايي آن در استخراج قواعد خريد و فروش سهام جهت تصميم گيري در مورد خريد و فروش سهام مورد ارزيابي قرار گرفته است . نتايج شبيهسازيه اي صورت گرفته قابليت الگوريتم پيشنهادي را در استخراج قواعد تاييد مي كند.

در اين مقاله يك روش مبتني بر رده بندي و وزن دهي كلمات براي پاسخ دهي به سوالات در حوزه زندگي نامه پيشنهاد شده است. با استفاده از يك پيكره از پاسخ هايي كه به صورت دستي استخراج شده اند، كلمات فني به همراه uni-gram ها و bi-gram ها در اين حوزه، تعيين مي شوند و سپس اين كلمات وزن دهي شده و براي رده بندي سوالات مطرح شده و جملات كانديد براي پاسخ ، مورد استفاده قرار مي گيرند. ما در اين مقاله براي ارزيابي روش پيشنهادي سيستم، انواع سوالات را به سوالات در زمينه " تاريخ ولادت" ،" تاريخ وفات" محدود كرده ايم.

Locating sensor nodes is essential for many applications and protocols in wireless sensor network. Large numbers of localization algorithms have been proposed to do this. Distributed algorithms decrease communication cost while having lower accuracy. In this paper we propose a distributed method to localize sensor node using only neighboring information. Our focus is on location estimation although some ideas are also presented for implementation. Our algorithm employs an error analysis scheme and calculates expected error as well as estimated location for each sensor node. Simulation results confirm effectiveness of our scheme and prove capability of using connectivity approach.