انجمن کامپیوتر ایران

امروزه کیفیت و اطمینان‌پذیری برنامه‌های کاربردی وب به دلیل استفاده گسترده آنها توسط کاربران باید از جنبه‌های گوناگونی مانند امنیتی و کارکردی مورد ارزیابی و آزمون قرار بگیرد. استخراج رفتار برنامه‌های کاربردی وب در ارزیابی کیفیت آنها بسیار مهم است. استخراج رفتار به صورت دستی دشوار و هزینه‌بر است. همچنین روش‌های خودکار برای استخراج رفتار به دلیل بزرگ بودن فضای حالت برنامه‌های کاربردی وب و زمان محدود قادر به پوشش کامل رفتار آنها نیستند. بنابراین روش‌های خودکار برای استخراج رفتار برنامه‌های کاربردی وب با چالش پوشش مناسب کارکردهای این برنامه‌ها در فضای حالت بسیار بزرگ آنها و در زمان محدود روبرو هستند. این پژوهش یک روش بر پایه یادگیری تقویتی برای استخراج رفتار برنامه‌های کاربردی وب ارائه می‌دهد. به بیانی دیگر روش پیشنهادی بر پایه یادگیری تقویتی به تعامل با برنامه کاربردی وب می‌پردازد. در این تعامل، رفتار برنامه کاربردی وب به تدریج، استخراج و کارکردهای آن پوشش داده می‌شود. اثربخشی روش پیشنهادی بر روی چندین برنامه کاربردی وب مورد بررسی قرار گرفته است. نتایج ارزیابی نشان می‌دهد که روش پیشنهادی در استخراج رفتار برنامه‌های کاربردی وب موفق است و به پوشش بیشتری از کارکردهای برنامه‌های کاربردی وب در استخراج رفتار آنها می‌رسد.

با پيشرفت تکنولوژي، طراحي و ساخت مدارهاي بسيار مجتمع در ابعاد نانو با چالش‏هاي زيادي روبه‏رو شده است. بررسي پارامتر تحمل‏پذيري در برابر اشکال‏هاي زماني، گامي موثر در طراحي مدارات قابل اطمينان و با بازده بالا در تکنولوژي نانو مي‏باشد. اين مقاله چگونگي تاثير تغييرات زماني را ، بر روي مدارات ناهمگام شبه غير حساس به تاخير(QDI) مبتني بر الگو، بررسي مي کند. در اين مقاله دو الگوي شناخته شده که بطور گسترده اي در طراحي مدارات ناهمگام مبتني بر الگو کاربرد دارند، در نظر گرفته شده و تحمل‏پذيري و قابليت پايداري اين دو الگو در برابر تغييرات زماني مورد بررسي قرار گرفته است. ساختارهاي متعددي از اين الگوها در زبان توصيف سخت افزار پياده سازي شده اند. شبيه سازي گسترده مونت کارلو، انتخاب يکي از اين الگوها را به عنوان مدار تحمل‏پذيرتر تحت تغييرات زياد زماني پيشنهاد مي‏دهد. به عبارت ديگر، هنگام طراحي مدارات ناهمگام QDI در ابعاد نانو، مي‏توان با توجه به مطالعات انجام گرفته، بين کارآيی مدار و پايداري آن در برابر تغييرپذيری زماني موازنه مناسبي برقرار نمود.

در رويکردهاي حاشيه‌نويسي موجود اغلب از ويژگي‌ مبتني بر نواحي تصوير استفاده مي‌شود. اين نواحي معمولاً به صورت مستطيل‌هاي يکسان و يا اشکال شئ مانندي هستند، که با کمک الگوريتم‌هاي قطعه بندي توليد مي‌شوند. قطعه‏بندي تصوير فرايندي پرهزينه و زمانبر است. بعلاوه، نتايج الگوريتم‌هاي قطعه‌بندي موجود با خطاي بسيار همراه است و تاثيرات مخربي بر کارايي حاشيه‌نويسي دارد. از سوي ديگر، نواحي مستطيلي به تنهايي انتخاب مناسبي براي کار حاشيه‌نويسي تصوير نيستند، زيرا در مقابل تبديلات و تغييرات متداول روي تصوير مقاوم نمي‌باشند. در اين مقاله، يک رويکرد حاشيه‌نويسي مبتني بر اطلاعات برجستگي‌هاي تصوير پيشنهاد شده است. نواحي برجسته تصوير در مقابل تغييرات متداول روي تصوير مقاومند و استخراج آنها هزينه‌بر و همراباخطا نيست. در رويکرد پيشنهاد شده اطلاعات بلوک‌ها و نواحي برجسته تصوير ترکيب شده است. آزمايشات نشان مي‌دهند، که رويکرد پيشنهادي از دقت و کارايي خوبي در حاشيه‌نويسي تصوير برخوردار است.

امروزه، در بيشتر موارد انجام آزمايش‌ها در جوامع انساني كاري غيرعملي و يا غيراخلاقي است و مواردي همچون صحنه‌نبرد، آزمايش مدل‌ها،تئوري‌ها و سناريوهاي ارائه‌شده، مستلزم هزينه‌هاي جاني و مالي زيادي خواهد بود. از اينرو توسعه محيط‌هاي شبيه‌سازي، رويكرد رايج براي بررسي سناريوهاي مختلف است. شبيه‌سازي، به پژوهشگران امكان‌مي‌دهد تا مدل‌ها و تئوري‌هاي خود را با پارامترهاي مختلف و از زواياي متفاوت، بررسي و ارزيابي‌كنند. رويكرد شبيه‌سازي نرم‌افزاري، جايگزين مناسب و در برخي موارد، تنها راه ممكن براي بررسي سناريوها در صحنه‌نبرد است. در اين رويكرد، صحنه نبرد در قالب يك سيستم چندعاملي شبيه‌سازي و بررسي‌مي‌شود كه نرم‌افزارهاي اين حوزه را شبيه‌ساز عامل‌پايه(ABD) مي‌نامند. در اين مقاله، معماري براي شبيه‌ساز صحنه نبرد مبتني بر سه مفهوم اصلي عامل، شبكه و فرايند شناختي طراحي‌شده‌است. اين سه مفهوم منطبق بر چارچوب مفهومي كاپرا است كه براساس رويكردهاي نوين شناختي ارائه‌شده‌است. معماري پيشنهادي به صورت يك نرم‌افزار شبيه‌ساز با استفاده از زبانMATLAB، پياده‌سازي‌شده و قابليت‌هاي تشخيص استراتژي با توجه به پراكندگي عامل‌ها در صحنه نبرد و رفتار انطباقي عامل‌ها در حركت، توسط اين نرم‌افزار مورد بررسي و ارزيابي قرار‌گرفته‌است. نتايج اين شبيه‌سازي، مي‌تواند پيش از اعمال استراتژي‌ها در دنياي واقعي، مورداستفاده‌قرارگيرد.

در اين مقاله، روش جديدي در بهينه¬سازي چند هدفه مبتني بر الگوريتم جستجوي گرانشي به نام الگوريتم جستجوي گرانشي چند هدفه (MOGSA) ارائه مي¬شود. روش MOGSA از «بهينگي پَرِتو» براي شناسايي موقعيت¬هاي «غير غالب» و از يک «مخزنِ بيروني» براي نگهداري اين موقعيت¬ها استفاده مي¬کند. براي اطمينان از صحت عملکرد روش ارائه شده در مواجه با مسائل بهينه¬سازي چند هدفه، آن را بوسيله چندين تابع استاندارد معتبر مورد آزمايش قرار مي¬دهيم. نتايج نهايي نشان از رقابت تنگاتنگ روش پيشنهادي با ديگر الگوريتم¬هاي بهينه¬سازي چند هدفه رايج دارد، از اينرو مي¬توان ادعا کرد روش MOGSA بستر جديدي از تحقيقات را فرا روي محققين قرار داده است.

شناسايي رابطه تقابل در گفتمان به توانائي توليد و درک گفتمان کمک مي¬کند و در سيستم¬هاي متعددي مانند خلاصه¬ساز، تفسير و... کاربرد دارد. اين رابطه در يک گفتمان مي¬تواند به کمک نقش¬نماهاي خاص رابطه تقابل مانند "اما" و "ولي" شناسايي شود؛ اما در بعضي موارد اين نقش¬نماها حذف مي¬شوند و شناسايي رابطه را با مشکل مواجه مي¬کنند. به همين علت به منظور شناسايي اين رابطه، از ويژگي¬هاي زمان فعل¬ها، جفت کلمات، وجود يا عدم وجود شناسه¬هاي اعداد در دو قسمت متني اطراف نقش¬نما، فعل¬ها و کلمات منفي در يک طرف نقش¬نما و در طرف ديگر و عبارات دو و سه کلمه¬اي پرکاربرد در رابطه تقابل، استفاده شد. در اين مقاله پس از گردآوري 5000 نمونه رابطه تقابل و 5000 نمونه ساير روابط از مجموعه داده پژوهشکده هوشمند علائم، براي هر نمونه بردار ويژگي تشکيل داده شد. و در نهايت براي دسته-بندي و تشخيص رابطه تقابل از ماشين بردار پشتيبان (SVM) استفاده شد. ميزان صحت دسته¬بند 84.95 در بهترين حالت است.

مساله گالري هنر اين پرسش را مطرح مي کند که چه تعداد نگهبان براي ديدن هر نقطه از چندضلعي کافي است. مجموعه اي از نقاط را در چندضلعي ، مجموعه نگهبان همکار براي گوييم هر گاه مجموعه نگهبانان و گراف رؤيت پذيري مجموعه نگهبانان ، در متصل باشند. در اين مقاله مجموعه جديد را مطرح مي کنيم و به آن k-نگهبان همکار مي¬گوييم، درصورتيکه شرايط زير را داشته باشد: الف) براي هر نقطه در ، نقطه در وجود داشته باشد، بطوريکه از قابل رؤيت باشد. ب) مجموعه گراف رؤيت پذيري متصل باشد. ج) هر نقطه در ، حداقل توسط نقطه ديگر در قابل رؤيت باشد. در اين مقاله ابتدا الگوريتمي براي کاهش تعداد نگهبانان همکار معرفي کرده و نشان مي دهيم که اين الگوريتم براي چندضلعي هاي شانه اي دو سر، مجموعه نگهبانان همکار را به کاهش مي دهد. سپس ثابت مي کنيم که هر n ضلعي حداکثر به نگهبان از مجموعه k-نگهبان همکار نياز دارد.

بهينه‏سازي پرس¬و¬جو در پايگاه داده¬هاي رابطه¬اي يك فرآيند پرهزينه مي‏باشد و تعداد جايگشت‏هاي مختلف عمليات پيوند براي يك پرس¬و¬جو، به‏ صورت نمائي با افزايش تعداد جداول سهيم در پرس¬و¬جو رشد مي‏كنند. تكنيكهاي فعلي بهينه‏سازي پرس¬و¬جو براي پشتيباني در حالاتي که تعداد جدول‏هاي پايگاه داده و تعداد سطرهاي هر جدول زياد باشند، نامناسب هستند از طرفي رمز موفقيت يك سيستم پايگاه داده كارا بودن مدل پرس‏و‏جوي آن مي‏باشد. لذا در اين مقاله روشي براي بهينه¬سازي اجراي پرس¬و-جو‏¬ها با تعداد جداول بالا پيشنهاد گرديده است. با توجه به افزايش روز افزون اهميت کاهش زمان اجراي طرح شبه بهينه در عمليات پيوند با تعداد جدولهاي بالا و حداقل سازي زمان اجراي الگوريتم در جهت يافتن طرح شبه بهينه و قرار نگرفتن طرح در بهينه‏هاي محلي، استفاده از الگوريتم¬هاي اکتشافي و کاراي نوين مورد توجه زيادي قرار گرفته است. بدين منظور دراين مقاله الگوريتم تعميم يافته بهينه‏سازي گسسته ذرات پيشنهاد گرديده و کارايي آن از طريق مقايسه با برخي الگوريتم¬هاي پيشين و با در نظر گرفتن چهار معيار زمان اجراي الگوريتم، زمان اجراي طرح، خطا و انحراف معيار، بررسي شده و نتايج حاصله نشان دهنده برتري اين روش خصوصا در تعداد بالاي جداول نسبت به الگوريتم هاي پيشين مي¬باشد.

روش مجموع ساده وزین (SAW) یکی از ساده ترین تکنیک های جبرانی تصمیم گیری چند معیاره است. این روش برای حل مسائل تصمیم گیری چند معیاره به کار برده می شود. از طرفی دیگر داده کاوی یکی از 10 علم رو به رشد دنیا است و یکی از مهمترین الگوریتم های داده کاوی، الگوریتم های مبتنی بر مدل های پیشگویی است که برای پیش بینی آینده به کار برده می شوند. اکثر این الگوریتم ها پیچیده و زمان بر می باشند. در این مقاله روشی نوینی برای طبقه بندی داده ها به کمک روش SAW با استفاده از امتیاز فیشر به خصیصه ها معرفی شده است که مزیت اصلی آن سادگی است. همچنین از توابع فازی برای بهبود دقت این روش استفاده کرده ایم. بر اساس آزمایش های انجام شده بر روی دو پایگاه اطلاعاتی استاندارد و نتایج بدست آمده حاکی از دقت بالای روش نسبت به اکثر الگوریتم های طبقه بندی است.

همگام¬سازی گره¬ها جهت خواب و بیداری، سربار انجام این¬کار و همچنین تصادم فریم¬ها و مصرف انرژی جهت ارسال(های) مجدد از جمله چالش¬هایی است که در لایه دسترسی به رسانه (MAC) شبکه¬های حسگر بی¬سیم مطرح است. در این مقاله ما روشی وفقی و ناهمگام، مبتنی بر استفاده از چند فرکانس در لایه MAC را برای صرفه¬جویی در انرژی و افزایش گذردهی شبکه¬حسگر پیشنهاد کرده¬ایم. این روش با تاکید بر کاربردهای جمع¬آوری داده از گره¬های حسگر پخش شده در محیط بنا نهاده شده¬است. شبیه¬سازی¬های انجام شده نشان می¬دهد که پروتکل پیشنهادی باعث کاهش مصرف انرژی گره¬ها و افزایش طول عمر شبکه خواهد شد همچنین گذردهی شبکه را نیز افزایش می¬دهد.