به منظور موقعیت یابی ماهواره ای با استفاده از سامانه های GNSS/GPS، نیاز به دریافت سیگنال از حداقل 4 ماهواره وجود دارد تا موقعیت به صورت مختصات بر مبنای طول، عرض و ارتفاع جغرافیایی تعیین شود. در حالت استاندارد دقت به دست آمده بین 5 تا 25 متر صحت دارد. وجود خطاهای اتمسفری یونسفر و تروپسفر، خطاهای مداری موقعیت، ساعت ماهواره (خطای گیرندگی)، ساعت گیرنده، نویز و چندمسیری باعث خطای مذکور در تعیین موقعیت می شود. حذف یا کاهش خطاهای موقعیت یابی با استفاده از یک گیرنده مرجع CORS که دارای مختصات دقیق است، امکان پذیر می شود. هدف از این طرح، تولید یک نرم افزار با قابلیت های هم زمان سازی مشاهدات کد و فاز قبل از ایجاد ترکیبات تفاضلی، حل صحیح ابهام فاز تفاضلی دوگانه از طریق دو الگوریتم لامبدا و تئوری شبکه، برآورد خطاهای یونسفری و تروپسفری بین ایستگاه های مرجع از طریق محاسبه مقادیر ابهام فازها، تعیین موقعیت تقریبی ایستگاه سیار از طریق کد به صورت اپک به اپک و نهایتا اعمال تصحیحات به گیرنده سیار از طریق پردازش های اولیه شبکه، انتخاب ایستگاه مرجع اصلی و تفکیک خطاهای یونسفری و تروپسفری است. با تکنیک درون یابی و مدل سازی، اثر فاصله از گیرنده مرجع تا حدودی از بین رفت و موجب شد علاوه بر اینکه تراکم ایستگاه های مرجع کاهش (مزیت اقتصادی) و دقت به دست آمده، مستقل از فاصله گیرنده نیز افزایش یابد. با استفاده از این نرم افزار امکان اعمال تصحیحات به گیرنده سیار و افزایش دقت میسر شده است.

اخیراً استفاده از شبکه های عصبی و یادگیری عمیق در حوزه های مختلف از جمله ترجمه ماشینی توسعه فراوانی یافته است. این استفاده در حیطه پردازش زبان طبیعی در بسیاری از کاربردها مانند ترجمه ماشینی سبب افزایش کیفیت این کاربردها شده است. آخرین دستاوردها و بهترین کیفیت های سیستم ترجمه ماشینی در دنیا منحصراً در اختیار این گونه از سامانه ها است؛ به طوری که به جز در مواردی که منابع آموزشی کم است، عملاً مترجم های ماشینی مبتنی بر قاعده های آماری، کاربردی در این حیطه ندارند. در حال حاضر، معماری های مترجم های ماشینی مبتنی بر شبکه عصبی عموماً از یکی از دو رویکرد رمزگذاری-رمزگشایی یا مبتنی بر ترانسفورمر تبعیت می کنند. مدل های مبتنی بر ترنسفورمر به دلیل برخورداری از دادگان آموزشی وسیع تر، امکان ترجمه سریع، با کیفیت، با دامنه وسیع تر تخصصی و امنیت بیشتر در داده را ایجاد می کنند. در این طرح، باتوجه به حجم دادگان آموزشی در اختیار تیم فناور، امکان استفاده از مدل های مبتنی بر ترنسفورمر ایجاد شد. در این راستا، منابع دادگان بررسی و %100 دادگان آموزشی به میزان 110 میلیون جفت داده تهیه شد. سپس ابزار Flair seq به عنوان ابزار برگزیده مورد استفاده و ارزیابی قرار گرفت. در ادامه بر اساس آزمون های متعدد یکی از بهترین کانفیگ های (پیکربندی ) ابزار ارائه شده به دست آمد و مدل بهینه تهیه گردید. در نتیجه این کار پیاده سازی نسخه سرور برای راه اندازی سرویس ترجمه برای کاربران نهایی از سرور طراحی شده در پروژه متن باز OpenNMT استفاده شد.

"موضوع فرار آب از مخازن سدها، موضوعی قدیمی است که همواره به عنوان چالش جدی در مباحث سدسازی مطرح بوده است. در این طرح، استانداردسازی مطالعات مسئله فرار آب از بدنه سدهای خاکی از طریق ترکیب روش های پتانسیل خودزا (SP) و مقاومت ویژه الکتریکی (Rs) با استفاده از آرایه CRSP مورد بررسی قرار گرفت. جهت انجام این کار یکی از سدهای خاکی در محل روستای خم بالا الیگودرز به عنوان مطالعه موردی، استفاده شد و حدود 8، 000 داده مقاومت ویژه الکتریکی از آرایه CRSP و پتانسیل خودزا (SP) در سه مرحله از محل تاج سد در حالت های (الف) زمانی که سد خالی از آب است، (ب) زمانی که سد تا نیمه از آب پر شده و (ج) زمانی که سطح آب به حداکثر میزان خود می رسد، برداشت و پردازش شد. نتایج تفسیر داده های پردازش شده، شبه مقاطع مقاومت ویژه الکتریکی و نقشه های SP به دست آمده، به صورت تایم لپس، نشان دهنده محل و میزان فرار آب از محل تاج سد در مقاطع زمانی مختلف بود که به خوبی با مشاهدات عینی و حفاری اکتشافی در محل سد همخوانی داشت. لازم به ذکر است که شناسایی این مجاری می تواند در مورد آب بند نمودن آن ها و جلوگیری از فرار آب کمک شایانی نماید. در انتها با استفاده از تجربیات به دست آمده و قضاوت مهندسی، دستورالعمل استاندارد مطالعات تایم لپس تعیین نشت و فرار آب از محل بدنه سدهای خاکی نگاشته و جهت استفاده ارائه گردید. "

در گذر زمان و با افزایش روبه رشد تکنولوژی، حجم اطلاعات قابل ذخیره سازی توسط سازمان های مختلف، در حال افزایش است. یکی از مهم ترین سرویس هایی که نقش بسزایی در بازیابی اسناد اطلاعاتی ذخیره شده در پایگاه های داده سازمان ها ایفا می نماید، موتور جست وجو است. جست وجوی سنتی که اغلب در نرم افزارها و سایت ها مورداستفاده قرار می گیرد مبتنی بر ظاهر واژگان است. این نوع جست وجو زاویة دید محدودی داشته و ممکن است نتایج ارزشمندی را نادیده گرفته و نمایش ندهد. از طرفی کاربر را نیز مجبور می کند به طور دقیق و محدود کلید را انتخاب نماید. هدف از این طرح، توسعه موتور جست وجوی مبتنی بر تحلیل و پردازش متن بود که نتایج را بر اساس انتخاب مناسب ترین و نزدیک ترین منابع دانشی، از بین مقالات تعریف شده به لحاظ مشابهت نوشتاری یا معنایی ارائه دهد. برای توسعه سرویس جست وجوی معنایی به چند بخش اصلی نیاز می باشد: عملیات پیش پردازش و ذخیره سازی متن، انتخاب مدل هوش مصنوعی مناسب برای جست وجوی معنایی، مجموعه دادگان غنی برای آموزش مدل، پایگاه دانش مرتبط با مجموعه دادگان و درنهایت معماری و ساختاری که امکان استفاده از این سرویس در حوزه های مختلف را فراهم آورد. نتایج نشان داد که موتور جستجوی معنایی چندزبانه مبتنی بر گراف دانش با دقت 91% (بر مبنای معیار mean reciprocal rank) قادر است به زبان های مختلفی مانند فارسی، انگلیسی، عربی و آلمانی پاسخ دهد. همچنین سرویس طبقه بندی موضوعی قادر است با دقت 93% برای چهل حوزه دانشی فارسی مقالات را بر اساس موضوعات مختلفی مانند علوم کامپیوتر، ریاضی، فیزیک و ادبیات طبقه بندی کند. در نهایت در این طرح قابلیت استفاده از مدل ها در حوزه های مختلف بر اساس دادگان و پایگاه دانش آن حوزه که امکان انطباق و تنظیم مدل ها را با نیازهای مختلف کاربران فراهم می کند، مهیا شد.

اصل نود قانون اساسی جمهوری اسلامی ایران که برگرفته از ماده (32) قانون اساسی مشروطه است، کارویژه تظلم خواهی مردمی علیه طرز کار دستگاه های حکومتی را دارد. تأسیس کمیسیون به اسم اصل نود، ایده نهادی مجلس شورای اسلامی برای پیگیری این وظیفه نظارتی بوده است. معادل های پارلمانی این کمیسیون که شاید مردمی ترین نهاد نظارتی کشور به حساب بیاید، در دیگر کشورها آمبودزمان ها می باشند. آمبودزمان ها نهادهای تظلم خواه هستند که وظیفه حمایت از حقوق عامه را برعهده دارند. آمبودزمان ها معمولاً به صورت فراقضایی به حل و فصل شکایات می پردازند.در این پژوهش به مطالعه تطبیقی کمیسیون اصل نود بر مبنای اصول بنیادین آمبودزمان پرداخته شده است. از مهم ترین چالش های کمیسیون اصل نود می توان به حجم بالای شکایت ورودی مرتبط و غیر مرتبط پردازش نشده، کمبود ظرفیت نیروی انسانی متخصص جهت رسیدگی به پرونده، عدم شناخت کافی نخبگان و مردم از کمیسیون اصل نود، عدم ارتباط کمیسیون اصل نود با سازمان های مردم نهاد و حلقه های میانی، عدم اتصال ساختارمند در راستای وظایف نظارتی به سایر کمیسیون های مجلس شورای اسلامی و نداشتن پشتوانه قانونی کافی جهت پیگیری پرونده شکایت ها در فرایند قضایی اشاره کرد.از نتایج مطالعه پیش رو می توان پیشنهادهای ذیل را برای ارتقای کارکردی کمیسیون اصل نود طرح کرد: تبدیل شدن کمیسیون اصل نود به آمبودزمان (نهاد تظلم خواه) مادر از طریق فعال ساختن و تعامل سازنده با آمبودزمان های سازمانی، تعامل سازنده با سازمان های مردم نهاد و حلقه های میانی جهت پردازش تخصصی شکایات مردمی، فعال ساختن و بسیج کردن سایر نمایندگان (غیر عضو کمیسیون اصل نود) در راستای نقش نظارتی مجلس، ایجاد سامانه الکترونیک ستادی و شبکه با سامانه های نظارتی مردمی، ایجاد ظرفیت قانونی ـ حقوقی برای کمیسیون اصل نود جهت پیگیری شکایات در فرایند قضایی، تسهیل قانونی در جهت همکاری بیشتر کمیسیون اصل نود و سازمان بازرسی کل کشور، استقلال کمیسیون اصل نود از هیئت رئیسه مجلس، تقویت کمیسیون اصل نود در استفاده از ابزارهای سیاسی مجلس و تقویت وظیفه نظارتی کمیسیون ها و هماهنگی آنها با کمیسیون اصل نود.

فرایند کشف و تشخیص اشیای پنهان از طریق دستگاه های تصویربرداری موج میلی متری در فرودگاه ها و مراکز حساس امنیتی که توسط اپراتور انسانی بررسی می شوند، از چالش برانگیزترین مسائل امنیتی به شمار می روند. دستگاه بادی اسکنر موج میلی متری با استفاده از نوع خاصی از امواج الکترومغناطیسی، تصویر حالت فردی که در باکس بازرسی قرار دارد را از جلو و پشت به کمک امواج از طریق دو فرستنده چرخشی تولید و به اپراتور ارسال می کند. استفاده از هوش مصنوعی و پردازش تصویر شخصی سازی شده مربوط به این تصاویر از بدیع ترین راهکارهای فناورانه برای رفع این چالش امنیتی است. برای ساخت دیتاست های تخصصی تر، یکی از چالش های مهم استفاده از خبرگان امر امنیت که تجربه زیادی در شیوه های پنهان سازی دارند، می باشد. این افراد می توانند جزئیات پنهان سازی و استفاده از مواد مختلف جهت فریب دادن سیستم هوش مصنوعی را به داده های آموزش اضافه کنند. در این طرح، با کمک افراد دارای تجربه در امنیت فیزیکی فرودگاه ها دیتاستی شامل 3، 500 داده مجزا جمع آوری شد. سپس فرایند برچسب گذاری همه 3، 500 داده انجام شد. طراحی معماری شبکه های عصبی عمیق مبتنی بر ناحیه (segmented)، R-CNN سریع شده و Mask R-CNN به همراه کد آن ها که دقت بالای 90 درصد را نشان داد، تحویل داده شد. به علاوه، آموزش شبکه های عصبی، پیاده سازی روی GPU با قابلیت تشخیص خودکار، قابلیت ارتباط با FPGA و سخت افزار نیز صورت پذیرفت.