مهندسی برق و مهندسی کامپیوتر ایران - ب مهندسی کامپیوتر
سال:1394 | دوره:13 | شماره:1 |تعداد مقالات:9

در این مقاله، روشی قدرتمند برای آشکارسازی صورت از زوایای مختلف با استفاده از ترکیب فیلترهای گابور و شبکه عصبی بیان می شود. در ابتدا رابطه ریاضی تولید فیلتر گابور مورد بررسی قرار می گیرد و در مرحله بعد با بررسی 75 بانک فیلتر مختلف، محدوده مقادیر پارامترهای موثر در تولید فیلتر گابور مشخص شده و سپس بهترین مقدار برای آنها به دست می آید. شبکه عصبی مورد استفاده در این مقاله از نوع پیش خور با روش بازگشتی است و بردار ورودی این شبکه عصبی از کانوالو تصویر با تنها یک فیلتر گابور با زاویهp/2  و فرکانس p/2 در حوزه فرکانس به دست می آید. الگوریتم پشنهادی در این مقاله روی 550 تصویر از 2 پایگاه تصویر فرت با پس زمینه ساده و مارکوس وبر با پس زمینه پیچیده آزمایش شده و دقت آشکارسازی آن به ترتیب 98.4% و 95% است. همچنین به کمک الگوریتم ویولا جونز ناحیه صورت را در 550 نمونه تصویر به دست آورده و مقایسه ای بین نتایج به دست آمده از الگوریتم ویولاجونز و الگوریتم پیشنهادی آورده می شود.

امروزه از سیستم های پیشرفته انتظار می رود که بتوانند خود را با شرایط محیطی و اتفاقات غیرمنتظره سازگار کنند. اولین شرط برای چنین سیستم هایی سازگارشدن آنها با توجه به نیازهای مشتری، داشته های خود و محیطی که در آن قرار دارند است و باید هنگام مواجه با مشکل یا درخواست غیر منتظره به آن جواب دهند. در راهکارهای تطابق سازی سعی شده با استفاده از قرارداد تطابق و تغییر پیکربندی مجدد، سیستم با شرایط وفق داده شود به طوری که این تغییر پیکربندی مجدد به دور از چشم سرویس گیرنده و گاهی در حین اجرای عملیات انجام گردد و طراحان سیستم را نیز از دخالت مستقیم در امور داخلی مربوط به کارگزار منع کند. شایان ذکر است گاهی اوقات همین روش های تطابق سازی نقش زیادی در استفاده مجدد مولفه ها برای ایجاد سیستم های جدید یا بالابردن سطح سیستم های قدیمی با استفاده از مولفه های موجود را نیز ایفا می کنند. این مقاله با روش های فرمال سعی در ایجاد سیستمی دارد که توان سازگاری با محیط را داشته باشد و در کنار آن، مشکلات ناشی از پیچیدگی را نیز تا حدی می کاهد. برای این کار ابتدا سیستم به وسیله یک مدل ریاضی نمایش داده شده و سپس از روی سیستم مدل شده، قرارداد تطابق و درخواست مشتری یک فرم جدید به نام آداپتور طراحی می شود. بعد از ایجاد آداپتور تمام پیکربندی ها و تراکنش های بین سیستم و مشتری از طریق آن انجام می گردد و آداپتور مسوول هماهنگ سازی اجزای داخلی سیستم می باشد. همچنین برای جلوگیری از پیچیدگی، از مفهوم شبکه و سرویس های سلسله مراتبی برای ایجاد شبکه ای از آداپتورها استفاده شده است.

رویکردهای واژه یابی گفتار به دو گروه تقسیم می شوند: رویکردهای مبتنی بر مدل مخفی مارکف و رویکردهای متمایزساز. یکی از فواید رویکردهای مبتنی بر مدل مخفی مارکف، قابلیت استفاده از اطلاعات وابسته به محتوا (سه واج) در جهت بهبود کارایی سیستم واژه یاب گفتار می باشد. از طرفی، عدم امکان استفاده از اطلاعات وابسته به محتوا یکی از معایب رویکردهای واژه یابی گفتار متمایزساز محسوب می شود. در این مقاله، راهکاری برای رفع این عیب ارائه شده که به این منظور، بخش استخراج ویژگی یک سیستم واژه یاب گفتار متمایزساز مبتنی بر الگوریتم تکاملی -(EDSTD) که در کارهای قبلی ما ارائه شده است- به گونه ای تغییر یافته که اطلاعات وابسته به محتوا را در نظر بگیرد. در مرحله نخست، یک رویکرد استخراج ویژگی مستقل از محتوا پیشنهاد شده و سپس رویکردی برای به کارگیری اطلاعات وابسته به محتوا در بخش استخراج ویژگی ارائه شده است. نتایج ارزیابی ها روی دادگان TIMIT حاکی از آن است که نرخ بازشناسی سیستم EDSTD وابسته به محتوا (CD-EDSTD) در اخطار اشتباه بر کلمه کلیدی بر ساعت بزرگ تر از دو، حدود 3% از نرخ بازشناسی درست سیستم EDSTD مستقل از محتوا (CI-EDSTD) بالاتر است. هزینه این بهبود دقت، حدود 0.36 افت سرعت پاسخ گویی است که قابل چشم پوشی می باشد.

معماری فعلی شبکه های مرکز داده ترکیبی از سوئیچ های اترنت و روترها است اما این معماری نمی تواند نیازهای این شبکه ها را برآورده کند. سوئیچ های اترنت انعطاف پذیر و تنظیماتشان ساده است اما گسترش پذیر نیستند. روترها گسترش پذیری بهتر و استفاده کارامد از پهنای باند را فراهم می کنند اما هزینه آنها زیاد است. این معماری ترکیبی سربارهای تنظیمات و نگهداری قابل توجهی را به وجود می آورد و بنابراین اگر بتوان شبکه های لایه دو را بزرگ تر کرد تعداد روترها و در نتیجه هزینه ها کمتر می شود. برای این منظور روش های زیادی ارائه شده است. در این مقاله برخی از نیازهای اصلی شبکه های مرکز داده و ویژگی های تعدادی از روش های پیشنهادی بیان شده و از بین روش ها، OpenFlow ترجیح داده می شود اما سربار کنترلی OpenFlow زیاد است. یک روش برای کم کردن سربار کنترلی جداکردن جریان های بزرگ و کوچک است که مدیریت جریان های بزرگ به کنترل کننده داده می شود و برای مسیریابی جریان های کوچک از مسیریابی ECMP استفاده می شود.OpenFlow  از ECMP پشتیبانی نمی کند. در این مقاله روشی مبتنی بر OpenFlow برای جایگزینی ECMP ارائه شده که کارایی آن معادل ECMP است و در مقابل خطا تحمل پذیر است.

در این مقاله روشی برای انتخاب اتوماتیک تصویر مرجع در تطبیق هیستوگرام ارائه شده است. تطبیق هیستوگرام یکی از ساده ترین روش های مکانی بهبود تصویر است که با توجه به هیستوگرام تصویر مرجع، کنتراست تصویر اولیه را بهبود می دهد. در روش های معمول تطبیق هیستوگرام، کاربر برای یافتن مناسب ترین تصویر مرجعی که بهتر از سایر تصاویر هدف، کنتراست تصویر را بهبود ببخشد، نیازمند انجام چندین آزمایش با عکس های گوناگون روی تصویر اولیه است اما این مقاله، روشی برای انتخاب اتوماتیک تصویر مرجع در تطبیق هیستوگرام ارائه می دهد. روش کار بدین صورت است که برای تجزیه مولفه روشنایی از رنگ، ابتدا تصاویر از فضای رنگی RGB به فضای HSV انتقال می یابند. سپس تصویر مرجع مناسب برای بهبود تصویر اولیه، توسط یک معیار شباهت با سنجش میزان شباهت بین هیستوگرام مولفه روشنایی تصاویر موجود در پایگاه داده و هیستوگرام مولفه روشنایی تصویر اولیه انتخاب می شود. به عبارت دیگر، تصویری که هیستوگرام آن شباهت بیشتری به هیستوگرام تصویر اولیه دارد در بهبود کنتراست تصویر اولیه، موفق تر عمل می کند. انجام این کار علاوه بر به دست آوردن نتیجه مطلوب، کاربر را از دغدغه انتخاب یک تصویر مرجع مناسب برای بهبود تصویر اولیه نیز بی نیاز می کند. همچنین روش ارائه شده قابل استفاده روی تصاویر هر دو حوزه RGB و خاکستری نیز می باشد.

اخیرا روش های تولید کلید محرمانه مشترک با استفاده از مشخصات تصادفی بودن دامنه و فاز سیگنال دریافتی و تقارن کانال مشترک در سیستم های مخابراتی بی سیم، مورد توجه زیادی واقع شده است. پروتکل های تولید کلید بر اساس تخمین فاز سیگنال دریافتی، به علت توزیع یکنواخت فاز فیدینگ کانال، هم برای محیط های ساکن و هم سیار مناسب بوده و همچنین دارای نرخ تولید کلید بالاتری نسبت به پروتکل های تولید کلید بر اساس توان سیگنال دریافتی می باشند. علاوه بر این عموما کارهای پیشین روی پروتکل تولید کلید روی سیستم های تک آنتنه (SISO) متمرکز بوده اند که دارای نرخ تولید کلید قابل توجهی نیستند. از این رو در این مقاله برای افزایش تصادفی بودن و نرخ تولید کلید از تخمین فاز سیگنال دریافتی روی سیستم های چندآنتنه (MIMO) برای تولید کلید محرمانه مشترک استفاده می شود، زیرا سیستم های MIMO دارای یک توانایی برای عرضه متغیرهای تصادفی بیشتر جهت تولید کلید نسبت به سیستم های SISO می باشند. نتایج شبیه سازی نشان دهنده این است که نرخ تولید کلید در حالتی که تعداد آنتن های فرستنده و گیرنده یکسان و برابر با 2 و 3 باشد، به ترتیب 4 و 9 برابر زمانی است که از 1 آنتن فرستنده و گیرنده استفاده شود. همچنین هنگامی که جهت استخراج بیت های کلید محرمانه از کوانتیزاسیون چندسطحی استفاده شود، نرخ تولید کلید افزایش قابل ملاحظهای پیدا خواهد کرد.

یکی از مشکلات الگوریتم های ژنتیک سنتی، مشکل همگرایی زودرس است که باعث ناتوانی آنها در جستجوی جواب های مناسب می شود. یک الگوریتم ممتیک از جستجوی محلی برای افزایش سرعت کشف جواب های مناسبی که پیداکردن آنها به وسیله جستجوی عمومی تنها به طول می انجامد یا قابل دسترس نباشند، استفاده می کند. در این مقاله یک الگوریتم ممتیک مبتنی بر اتوماتای یادگیر به نام LA-MA ارائه شده که از دو بخش ژنتیکی و ممتیکی تشکیل شده است. تکامل یا جستجوی عمومی در بخش ژنتیکی و بهره برداری یا جستجوی محلی در بخش ممتیکی انجام می شوند. در بخش ممتیکی، احتمال موفقیت جستجوی محلی تخمین زده شده و در صورتی که انجام جستجوی محلی نسبت به جستجوی عمومی مقرون به صرفه باشد، بهره برداری انجام می شود. تخمین صحیح احتمال موفقیت جستجوی محلی، باعث ایجاد تعادل بین جستجوی عمومی و محلی شده و کارایی الگوریتم ممتیک را بالا می برد. در این مقاله از دو مساله بیشینه سازی یک ها و تناظر گراف جهت ارزیابی کارایی الگوریتم پیشنهادی استفاده شده است. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی از نظر کیفیت جواب های به دست آمده و نرخ همگرایی نسبت به سایر الگوریتم ها عملکرد بهتری دارد.

متداول ترین روش در تشخیص تشنجات صرعی روش مبتنی بر پردازش سیگنال های EEG حاصل از انجام الکتروآنسفالوگرافی می باشد که به دلیل نیاز به اتصال الکترودهایی به نواحی مختلف از سر فرد مشکلات حرکتی زیادی به وجود می آورد. هدف این تحقیق تشخیص خودکار و هوشمندانه صرع گراندمال و نیز بازشناسی اعمال عادی فرد مبتلا به عارضه از طریق نظارت ویدئویی می باشد. در این مقاله از ترکیب دو تکنیک بینایی ماشین و یادگیری ماشین به منظور تشخیص صرع گراندمال و بازشناسی اعمال عادی برای فردی استفاده می شود که روی زمین و یا تخت دراز کشیده است. بعد از حذف پس زمینه از دنباله قاب های ویدئویی و جداسازی شبح تصاویر، ویژگی های هندسی مناسب استخراج شده و به عنوان ورودی به دسته بند ماشین بردار پشتیبان چندکلاسه اعمال گردید تا عمل دسته بندی ویدئوها و تخصیص برچسب رفتاری مناسب به صورت خودکار انجام شود. تمامی پیاده سازی های این تحقیق در محیط نرم افزار Matlab نسخه a.2011 انجام شده است. در این سیستم هوشمند، میانگین دقت تشخیص و بازشناسی 90.21 درصد می باشد. به کارگیری این سیستم علاوه بر کاهش ناظر انسانی، کمک زیادی در تشخیص به موقع و همیشگی عارضه می نماید. این روش به دلیل نیاز به یک دوربین فیلم برداری ساده و یک سیستم کامپیوتری معمولی، روشی مقرون به صرفه بوده و برای قشرهای درآمدی مختلف قابل تهیه است. علاوه بر آن غیر تماسی بودن سیستم پیشنهادی، عاملی برای حذف مشکلات حرکتی است. دقت بالا تاییدکننده کارایی مناسب این سیستم می باشد.

شبکه مش بی سیم، شبکه ای چندجهشه متشکل از مسیریاب ها و کاربران مش می باشد که امکان یک پارچه کردن شبکه های بی سیم موجود، جهت ارائه سرویس با ویژگی های متنوع تر و بهتر را فراهم می آورد. مسیریاب ها به صورت خودکار به برقراری ارتباط بی سیم بین یکدیگر می پردازند، بنابراین در بسیاری موارد نیاز به اعمال مدیریت و صرف هزینه هنگفت برای راه اندازی شبکه وجود ندارد. از طرفی این گونه از شبکه ها دارای قابلیت متصل کردن شبکه های ناهمگون به هم هستند و می توانند از استانداردهای متنوعی پشتیبانی کنند. در مواردی که مسیریاب های زیرساخت شبکه مش به انرژی برق شهری دسترسی نداشته باشند، استفاده از شبکه مش بی سیمی که با باتری و انرژی خورشیدی کار می کند، بسیار مفید خواهد بود. در این حالت اساسی ترین مشکل، اتمام سریع شارژ باتری ها و قطع شبکه است و لذا در این مقاله راهکاری برای افزایش طول عمر شبکه و استفاده بهینه از انرژی باتری گره ها پیشنهاد شده که می تواند مدت زمان کارکرد شبکه را بسیار بالا ببرد. الگوریتم مسیریابی پیشنهادی، گره هایی در شبکه را با بیشترین انرژی باقیمانده مشخص کرده و داده ها فقط از میان گره های تعیین شده عبور می کنند تا زمانی که انرژی یک گره به سطح آستانه از پیش مشخص شده نزدیک شود. نتایج شبیه سازی نشان می دهد که این روش کارایی بهتری نسبت به شیوه های متداول مسیریابی و ارسال اطلاعات در این نوع شبکه ها دارد.