مهندسی برق و مهندسی کامپیوتر ایران - ب مهندسی کامپیوتر
سال:1395 | دوره:14 | شماره:2 |تعداد مقالات:8

هرچند که فیلتر ذره ای ابزاری موثر در ردیابی شیء می باشد اما یکی از محدودیت های موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینه های مورد علاقه محققین تخمین تابع مشاهده با توجه به داده های یادگیری است. تابع مشاهده ممکن است خطی یا غیرخطی در نظر گرفته شود. روش های موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند و از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روش های دومرحله ای مبتنی بر ماکسیمم سازی انتظار و نیازمندی به یک سری مدل از پیش تعریف شده در روش های مبتنی بر چند مدل می باشد. در این مقاله، یک روش بدون راهنما برای غلبه بر این مشکلات با استفاده از فیلترهای وفقی کرنلی ارائه شده است. به این منظور از فیلترهای وفقی حداقل میانگین مربعات خطای کرنلی یا حداقل مربعات بازگشتی کرنلی برای تخمین تابع غیرخطی مشاهده استفاده می شود. با فرض معلوم بودن تابع فرایند و با داشتن دنباله ای از مشاهدات، تابع مشاهده مجهول تخمین زده می شود. ضمنا برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تنک سازی داده ها با استفاده از روش وابستگی خطی تقریبی استفاده شده و الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر پیش بینی سری های زمانی و دیگری روی ردیابی اشیا در ویدئو می باشد. نتایج به دست آمده حاکی از برتری روش پیشنهادی در مقایسه با چند روش موجود است.

با توسعه تعاملات مبتنی بر وب نظیر نظرسنجی ها، وبلاگ های شخصی و شبکه های اجتماعی، آنالیز حس و یا کاوش عقیده به یکی از حوزه های تحقیقاتی مهم در علوم کامپیوتر تبدیل شده است. تاکنون روش های زیادی مبتنی بر یادگیری ماشین و همچنین پردازش زبان طبیعی در ارتباط با آنالیز حس ارائه شده است. در این مقاله از توزیع کلمات در مجموعه اسناد جمع آوری شده به عنوان معیاری جدید برای تشخیص حس جمله استفاده شده است. در روش پیشنهادی با طراحی حوزه تبدیل بهینه مناسب روی توزیع کلمات، دو هدف حداکثر کردن انرژی طیفی کلاس w1 در فرکانس های پایین و حداکثر کردن انرژی طیفی کلاس w2 در فرکانس های بالا دنبال می شود. با طراحی حوزه تبدیل بهینه، داده ها از حوزه فراوانی به حوزه فوریه نگاشت می شوند. با این تبدیل بهینه، جداسازی الگوهای دوکلاسی از مفاهیم خوش بینی و بدبینی در حوزه تبدیل به راحتی امکان پذیر خواهد بود. برای محقق شدن مدل ریاضی، استراتژی استفاده از پروفایل نمونه ها روی همه نمونه های سیگنال نماینده کلاس w1 ارائه شده و مساله حل می شود. طیف این پروفایل دارای مولفه های فرکانس پایین می باشد که با فرض تضاد طیفی دوکلاسیw1  و w2، حداکثر کردن انرژی طیفی کلاس w2 نیز ارضا می گردد. این روش به روی متون با زبان فارسی و انگلیسی اجرا شده است.

ساختارهای هولونی یک ساختار سلسله مراتبی از هولون ها است که به منظور حل مسایل پیچیده و ارضای اهدافی مانند محدودسازی حوزه تعاملات، کاهش عدم قطعیت یا شکل دهی هدف های سطح بالا در سیستم های چندعاملی توسعه داده شده اند که به سبب آن سیستم از انعطاف پذیری و پویایی بالایی در برابر تغییرات محیطی برخوردار می شود.علی رغم کاربرد وسیع سیستم های چندعاملی هولونی در زمینه مدل سازی و حل مسایل پیچیده، بسیاری از مفاهیم اساسی در آن مانند تشکیل هولون های عضو و کنترل پویای ساختار مربوط، از مدل های بسیار ساده و ابتدایی که اکثرا وابسته به کاربرد خاص هستند، تبعیت می کنند که البته این را می توان به علت نوپابودن تحقیقات در این زمینه دانست. در این مقاله سعی گردیده با بهره گیری از مفاهیم اجتماعی و نظریه سازمان ها، روشی مبتنی بر هدف برای تشکیل ساختارهای هولونی ارائه گردد. روش پیشنهادی که از مفاهیم نقش، مهارت و ساختار اهداف استفاده می کند این امکان را فراهم می سازد که بتوان از آن برای طیف وسیعی از کاربردها بهره برد.به منظور نشان دادن قابلیت های روش پیشنهادی و نیز نمایش نحوه به کارگیری از آن در مسایل واقعی، در این مقاله بستر آزمایشی بر مبنای کاربرد ردیابی شیئ در شبکه های حسگر بی سیم طراحی و ارائه شده است. در این کاربرد، حسگرهای پخش شده در محیط به عنوان عامل های ساده با بهره گیری از ساختار هولونی، وظیفه ردیابی شیئ بیگانه واردشده به محیط را بر عهده می گیرند. طبق نتایج آزمایشگاهی به دست آماده حاصل از شبیه سازی، روش هولونی ارائه شده بر مبنای الگوریتم پیشنهادی در این مقاله توانسته است کارایی موفقیت آمیزی را از نظر کیفیت ردیابی و میزان مصرف انرژی در این بستر آزمایش ارائه دهد.

امروزه شبکه های حسگر بی سیم به طور گسترده در سیستم های نظارتی مورد استفاده قرار می گیرند. عمده ترین چالش در طراحی این شبکه ها، به حداقل رساندن هزینه انتقال داده است. تجمیع داده با استفاده از نظریه نمونه برداری فشرده، روشی موثر برای کاهش هزینه ارتباطات در گره چاهک می باشد. روش های تجمیع داده موجود که بر مبنای نمونه برداری فشرده عمل می کنند، برای هر نمونه اندازه گیری نیاز به شرکت تعداد زیادی از گره های حسگر دارند که منجر به ناکارآمدی در مصرف انرژی می شود. به منظور رفع این مشکل، در این مقاله از اندازه گیری های تصادفی تنک استفاده می گردد. از طرفی، تشکیل درخت های مسیریابی با هزینه کمتر و توزیع عادلانه بار در سطح شبکه، میزان مصرف انرژی را به طور قابل ملاحظه ای کاهش می دهند. در این راستا الگوریتم جدیدی با عنوان WCDG ارائه می شود که با ایجاد درخت های مسیریابی وزن دار و بهره گیری توام از نمونه برداری فشرده، داده های گره های هر مسیر را تجمیع و برای گره چاهک ارسال می کند. در الگوریتم WCDG با در نظر گرفتن قابلیت کنترل توان در گره های حسگر، مسیرهای کارآمدی انتخاب می شوند. نتایج شبیه سازی ها حاکی از آن است که روش پیشنهادی در مقایسه با سایر روش ها به طور قابل توجهی عملکرد بهتری از نظر میزان مصرف انرژی و تعادل بار در شبکه دارد.

روش یادگیری Q یکی از مشهورترین و پرکاربردترین روش های یادگیری تقویتی مستقل از مدل است. از جمله مزایای این روش عدم وابستگی به آگاهی از دانش پیشین و تضمین در رسیدن به پاسخ بهینه است. یکی از محدودیت های این روش کاهش سرعت همگرایی آن با افزایش بعد است. بنابراین افزایش سرعت همگرایی به عنوان یک چالش مطرح است. استفاده از مفاهیم عمل متضاد در یادگیری Q، منجر به بهبود سرعت همگرایی می شود زیرا در هر گام یادگیری، دو مقدار Q به طور هم زمان به روز می شوند. در این مقاله روشی ترکیبی با استفاده از رویه تطبیقی در کنار مفاهیم عمل متضاد برای افزایش سرعت همگرایی مطرح شده است. روش ها برای مساله Grid world شبیه سازی شده است. روش های ارائه شده بهبود در میانگین درصد نرخ موفقیت، میانگین درصد حالت های بهینه، متوسط تعداد گام های عامل برای رسیدن به هدف و میانگین پاداش دریافتی را نشان می دهند.

یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار می باشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیار VM ها، هزینه و سررسید VM ها می باشد. در این مقاله با در نظر گرفتن تک تک این معیارها و اهداف طراحی مانند توازن بار، کاهش نرخ ایجاد VM جدید و مهاجرت VM ها، مساله را در قالب پارامترهای موثر در کارایی مدل کرده و سپس مدل فوق را با استفاده از روش پرومته که یکی از پرکاربردترین روش های تصمیم گیری چندشاخصه است، حل می کنیم. در این روش انتخاب بهترین VM بر اساس ارزش اختصاص یافته به هر یک از معیارها صورت می گیرد که بر اساس منطق فازی تعیین می شود. جهت بررسی کارایی این روش، شبیه سازی های گسترده ای در محیط CloudSim صورت گرفته که نشان می دهد روش پیشنهادی نسبت به روش های موجود مانند FIFO،DLB  و WRR از نقطه نظرات زمان پاسخ، نرخ موفقیت کارها، انحراف بار و نرخ مهاجرت VMها عملکرد بسیار بهتری دارد.

بخش بندی تصویر به منظور تشخیص مرزهای رگ امری ضروری جهت تشخیص دقیق بیماری انسداد عروق قلب به وسیله تصویر برداری اولتراسوند درون رگی (IVUS) است. در این مقاله یک روش جدید جهت بخش بندی تصاویر IVUS پیشنهاد شده است. ابتدا پیش پردازش هایی به منظور تبدیل تصاویر از مختصات دکارتی به مختصات قطبی، حذف کاتتر موجود در تصاویر و از بین بردن نویز اسپکل با فیلتر غیرخطی و غیرایزوتروپیک انتشاری انجام شده است. سپس با استفاده از فیلتر گابور ویژگی های بافت تصاویر استخراج شده و با استفاده از مدل کانتور فعال برداری، به بخش بندی تصاویر و تعیین مرز عروق پرداخته شده است. با روش خوشه بندی فازی پلاک های کلسیم، مشخص و با استفاده از مدل کانتور فعال مرز دقیق پلاک های کلسیم استخراج شده است. این روش بر روی سی تصویر نمونه آزمایش شده و نتایج بخش بندی تصویر با نظر پزشک متخصص اعتبارسنجی شده است. اختلاف مساحت مرز داخلی رگ با نظر پزشک متخصص 0.431±0.236 و اختلاف مساحت مرز خارجی رگ با نظر پزشک متخصص 0.653±0.723 است. اختلاف مساحت پلاک های کلسیم استخراج شده با الگوریتم پیشنهادی در مقایسه با تصاویر بافت شناسی 5.90 درصد حاصل شده است.

کارایی شبکه های روی تراشه به طور گسترده ای به الگوریتم های مسیریابی به کار رفته در آن ها وابسته است. در سالیان اخیر، الگوریتم های مسیریابی زیادی برای شبکه های روی تراشه دوبعدی و سه بعدی طراحی شده است. شبکه روی تراشه سه بعدی که برای افزایش کارایی شبکه روی تراشه دوبعدی معرفی گردیده، از ترکیب مفاهیم شبکه روی تراشه و مجتمع سازی سه بعدی به وجود آمده است. در این گونه مدارها عناصر نیمه هادی به روشی خاص به صورت پشته ای روی یکدیگر قرار می گیرند. به دلیل تاثیرات قابل توجهی که اشکال های لینک ها یا گره های شبکه روی تراشه بر عملکرد مدار می گذارند، الگوریتم های مسیریابی بایستی روش هایی را به کار گیرند تا از تاثیرات اشکال جلوگیری نمایند. این ویژگی خصوصا در شبکه روی تراشه سه بعدی که احتمال رخداد اشکال در لینک های عمودی آن قابل توجه است، اهمیت بیشتری دارد. در این مقاله، یک روش جدید برای مسیریابی در شبکه روی تراشه سه بعدی به نام FT-ZXY معرفی می شود که بدون استفاده از کانال های مجازی و درنتیجه با سربار سخت افزاری ناچیز، قابلیت تحمل اشکال های منفرد در لینک های افقی و اشکال های چندگانه در لینک های عمودی را دارد. نتایج شبیه سازی نشان می دهد که الگوریتم مسیریابی پیشنهادی از نظر پارامترهای ارزیابی مانند تاخیر، قابلیت اطمینان، سربار سخت افزاری و توان مصرفی، عملکرد بهتری نسبت به الگوریتم های مطرح شده قبلی دارد.