مهندسی برق و مهندسی کامپیوتر ایران - ب مهندسی کامپیوتر
سال:1397 | دوره:16 | شماره:4 |تعداد مقالات:8

پیشرفت فناوری در حوزه شبکه های حسگر بی سیم و امکان استفاده از پروتکل اینترنت در اشیای کوچک با منابع محدود (مانند حسگرها)، چشم انداز اینترنت را تغییر داده است. نحوه تعامل و روش های تبادل اطلاعات یکی از چالش های دنیای اینترنت اشیا است. استانداردهای LoWPAN6 و CoAP جهت استفاده از پروتکل های تحت وب در شبکه های حسگر پراتلاف و کم توان (LLN) ارائه شده اند. پشته پروتکل LoWPAN/CoAP6 دسترسی به شبکه حسگر را از طریق پروتکل های وب امکان پذیر می کند. این امر، توسعه برنامه های کاربردی روی شبکه حسگر و دسترسی به آنها توسط اینترنت را تسهیل می نماید. هر کدام از لایه های پشته پروتکل LoWPAN/CoAP6، میزانی سربار بر پیام های تبادل شونده تحمیل می کنند و سربار داده ناشی از آن، در شبکه های چندگامی، مصرف انرژی را تشدید می کند. در این مقاله، روشی جهت کاهش سربار تحمیلی به بسته های کوچک و متوسط در شبکه های چندگامی مبتنی بر LoWPAN/CoAP6 با استفاده از زمان بندی و تجمیع بسته های CoAP روی گره های حسگر آمده است. جهت حصول اهداف تحقیق، تمهیداتی نظیر رده بندی درخواست ها/ پاسخ های CoAP از لحاظ اولویت ارسال در شبکه (مشخص سازی حداکثر تأخیر مجاز)، مدیریت زمان بندی و تجمیع پیام های دریافتی روی گره های حسگر (بر اساس حداکثر تأخیر مجاز هر کدام) و بازشدن پیام های تجمیع شده در مقصد انجام گرفته است. نتایج ارزیابی روش پیشنهادی، حاکی از کاهش مصرف انرژی و ترافیک شبکه برای کاربردهایی نظیر نظارت در شبکه های چندگامی مبتنی بر پشته پروتکل LoWPAN/CoAP6 است.

در بسیاری از کاربردهای شبکه های مش بی سیم به دلیل عدم دسترسی به منبع انرژی دایم و استفاده از باتری و تجهیزات برداشت کننده انرژی طراحی بر مبنای پایندگی انرژی بسیار حایز اهمیت است. تنظیم چرخه کاری و به خواب بردن گره های شبکه در بخشی از دوره کاری، روشی برای حفظ انرژی و تضمین پایندگی است. در این حالت برای تبادل داده بین گره های همسایه به پروتکل هایی برای هماهنگی خواب نیاز است. در برخی کاربردهای این شبکه ها مانند کاربرد نظارت تصویری نیاز است که داده از بخش های مختلف شبکه جمع آوری شود. توپولوژی درخت در این کاربردها گزینه مناسبی است. یک روش ساده برای هماهنگی خواب در توپولوژی درخت الگوریتم زمان بندی تقسیم زمان (TIME-SPLIT) است که در آن زمان هر گره به طور مساوی بین فرزندان تقسیم می شود. الگوریتم زمان بندی تقسیم زمان پیشنهادشده مسئله پایندگی انرژی و محدودیت انرژی گره ها را در نظر نمی گیرد. ما در این مقاله به منظور ایجاد پایندگی انرژی در شبکه های مش بی سیم مبتنی بر توپولوژی درخت در الگوریتم زمان بندی تقسیم زمان محدودیت چرخه کاری گره ها را اضافه کرده ایم. در شرایطی که وضعیت انرژی فرزندان متفاوت باشد تقسیم مساوی زمان به عدم کارایی شبکه می انجامد. به منظور بهبود کارایی و گذردهی شبکه دو الگوریتم زمان بندی بر مبنای الگوریتم تقسیم زمان که شرایط انرژی و ترافیک فرزندان را در نظر می گیرند ارائه کرده ایم. در الگوریتم پیشنهادی اول تقسیم زمان به نسبت چرخه کاری فرزندان هر گره انجام می گیرد. در الگوریتم دوم تقسیم زمان به صورت پویا و به نسبت ترافیک فرزندان است و همچنین پذیرش تماس بر مبنای انرژی مصرفی اتصالات و بر اساس طول اتصالات به طور دقیق تری انجام می شود. نتایج شبیه سازی که به وسیله شبیه ساز شبکه 3NS انجام شده نشان می دهد که در شرایط عدم توازن در انرژی و ساختار درخت، یعنی حالتی که فرزندان یک گره دارای انرژی یکسان یا زیردرخت تقریباً مشابه نیستند، روش های پیشنهادی به میزان قابل توجهی (بیش از حدود 60%) ترافیک عبوری را افزایش می دهند.

برای هر تکرار محاسبه گردد. نقص روش تطبیق الگو وابستگی زیاد آن به الگو است. این وابستگی به ساختار و محل شرط تست کننده متغیر کنترلی حلقه و از سوی دیگر به محل، نحوه و تعدد تغییر متغیر کنترلی حلقه مرتبط است. برای کاهش وابستگی به الگو می توان جریان اطلاعات برای حلقه های یکنواخت چندمسیری در قالب دو دسته عبارت نمادین، نشان دهنده شرط تکرار و نحوه تغییر متغیرهای کنترلی حلقه را مدل سازی کرد. بر اساس این عبارات، تعداد مقادیر ممکن که در زمان اجرا می توان به متغیرهای کنترلی حلقه تخصیص داد محاسبه و به عنوان تخمینی از بیشترین تعداد تکرار ارائه می گردد. اما تخمین ارائه شده در این روش بیشتر از مقدار واقعی است و در اصطلاح دارای بیش تخمین خواهد بود. در این مقاله، متغیرهایی که مقدارشان در مسیرهای تکرار مختلف یکسان هستند و در هر چند مسیر این مقدار به عنوان یک تکرار محاسبه گردیده است، شناسایی و در محاسبه ها لحاظ می گردند. این کار باعث می گردد که مقدار بیش تخمین کاهش یابد. ارزیابی ها نشان داد که روش ارائه شده در این مقاله روشی مؤثر و کارا بوده و بیش تخمین کمتری دارد.

نظرکاوی امروزه به عنوان یکی از کاربردهای پراهمیت پردازش زبان طبیعی مطرح است که به دلیل بالابودن حجم و نرخ نظرات تولیدشده نیاز به روش های ویژه ای برای پردازش دارد. امروزه با توجه به ماهیت جریان داده ای نظرات کاربران در شبکه های اجتماعی و سایت های تجارت الکترونیکی، استفاده از الگوریتم های دسته بندی غیر افزایشی باعث می گردد به مرور زمان کارایی مدل یادگرفته شده برای کاوش نظرات کاهش یافته و عملاً غیر قابل استفاده شود. علاوه بر این به دلیل نامحدودبودن تعداد نظرات، امکان برچسب گذاری تمام نظرات برای ایجاد نمونه های آموزشی جدید و به روزرسانی مدل یادگرفته شده وجود ندارد. از آنجا که ممکن است نظرات جدید دارای واژگان جدید بوده و یا توزیع دسته های قطبیت تغییر کند، رانش مفهوم نیز می بایست در نظرکاوی افزایشی پشتیبانی گردد. در این مقاله یک روش جدید برای یادگیری قطبیت متون به صورت افزایشی ارائه می گردد که با استفاده از یادگیری فعال جریان داده ای، متون ارزشمند برای به روز رسانی مدل دسته بندی را انتخاب می کند و پس از تعیین برچسب آنها توسط متخصص انسانی، از آنها برای بهبود مدل دسته بندی بهره می گیرد. روش پیشنهادی به صورت برخط و بدون نیاز به ذخیره متون، با استفاده از تعداد محدودی متون برچسب خورده آموزش می بیند و قادر به تشخیص و پشتیبانی از رانش مفهوم می باشد. روش پیشنهادی با روش های شاخص افزایشی و غیر افزایشی، با استفاده از مجموعه داده های معتبر و معیارهای ارزیابی استاندارد مقایسه و ارزیابی می شود.

پنهان شکنی دانش کشف حضور داده پنهان در یک رسانه پوششی است. هدف پنهان شکنی جلوگیری از رسیدن روش های پنهان نگاری به اهداف خود می باشد. یکی از معروف ترین روش های پنهان شکنی روش CDF است که در این پژوهش استفاده شده است. یکی از چالش های عمده در مسئله پنهان شکنی تصاویر تعداد زیاد ویژگی های استخراج شده برای این کار است. مجموعه های داده ای با ابعاد بالا از دو جهت باعث کاهش عملکرد پنهان شکنی می شود. از یک طرف با افزایش ابعاد داده ها، حجم محاسبات افزایش پیدا می کند و از طرف دیگر مدلی که بر اساس داده های با ابعاد بالا ساخته می شود دارای قابلیت تعمیم پایینی است و احتمال بیش برازش افزایش می یابد. در نتیجه، کاهش ابعاد مسئله می تواند هم پیچیدگی محاسباتی را کاهش داده و هم باعث بهبود عملکرد پنهان شکنی شود. در این مقاله تلاش شده با ترکیب مفهوم زیرگراف کامل بیشینه وزن دار و معیار مرکزیت یال و در نظر گرفتن مناسب بودن هر ویژگی، ویژگی های تأثیرگذار و دارای حداقل افزونگی به عنوان ویژگی های نهایی انتخاب شوند. نتایج شبیه سازی بر روی مجموعه داده های SPAM و CC-PEV نشان داد روش پیشنهادی دارای عملکرد مناسبی است و به دقت حدود 96% در تشخیص جاسازی داده در تصاویر دست پیدا کرده و همچنین این روش در مقایسه با روش های شناخته شده قبلی دارای دقت بالاتری است.

طراحی مسیر داده با مساحت و توان مصرفی کم و سرعت بالا برای سیستم های محاسباتی امروزی اهمیت بالایی دارد. جمع کننده ها یکی از اجزای اساسی مسیر داده سیستم های محاسباتی هستند که از میان آنها، جمع کننده مبتنی بر انتخاب رقم نقلی با داشتن سرعت مناسب، سربار مساحتی نیز به سیستم محاسباتی تحمیل می کند. یک عامل مؤثر بر سرعت این نوع جمع کننده نحوه گروه بندی آن با توجه به تأخیر اجزای آن است. در این مقاله، ابتدا با بهره گیری از یک مالتی پلکسر سریع و کوچک، تأخیر و مساحت مصرفی انواع معماری های موجود برای این نوع جمع کننده کاهش داده می شود. سپس با توجه به تجزیه و تحلیل تأخیر این جمع کننده و وابستگی آن به نوع مالتی پلکسر، یک گروه بندی جدید برای بهینه سازی تأخیر ارائه می گردد. نتایج پیاده سازی و آزمایش ها نشان می دهد اعمال گروه بندی و تغییرات پیشنهادی در انواع معماری های موجود برای جمع کننده مبتنی بر انتخاب رقم نقلی، منجر به کاهش مناسب تأخیر عملیات جمع نسبت به بهترین گروه بندی موجود می شود. به عنوان نمونه، مقدار کاهش تأخیر جمع کننده 32بیتی در معماری های بررسی شده بیش از 33 درصد است. علاوه بر این، میانگین کاهش در معیار حاصل ضرب توان مصرفی در تأخیر برای جمع کننده های مختلف 32 و 64بیتی استفاده کننده از گروه بندی پیشنهادی نسبت به بهترین گروه بندی موجود، به ترتیب برابر با 45 و 35 درصد بوده است.

با معرفی وب 2. 0، داده های ایستا که در وب 1. 0 وجود داشتند، حالت ساخت یافته تری به خود گرفتند. ویکی ها، بلاگ ها، شبکه های اجتماعی و سیستم های بوکمارکینگ اجتماعی مثال هایی از آن هستند که کاربران در آنها محتوا تولید می کنند. یکی از مشکلات تولید محتوا توسط کاربر، عدم یکپارچگی محتوای تولیدشده می باشد که باعث تولید داده های ناهمگون شده و اجرای الگوریتم ها و تکنیک های کامپیوتری را دشوار می سازد. راه حل وب 2. 0 برای کاهش اثر این مشکل، استفاده از هشتگ (تگ) برای مطالب منتشرشده توسط کاربر است که خود کاربر به مطالب منتشرشده خود، تگ می زند. این راهکار در میکروبلاگ هایی چون توئیتر کماکان رفع نشده است چرا که کاربران با محدودیت کاراکتری (140 کاراکتر برای هر توئیت) مواجه هستند و ممکن است تعداد کاراکترهای محتوا باعث شود که برخی کاراکترهای هشتگ در پست نباشد. در این مقاله سعی شده تا با استفاده از روش تخصیص دیریکله نهفته و نمونه برداری Gibbs فروریخته، مشکل پیشنهاد هشتگ در محیط ناهمگون توئیتر رفع شود. پیشنهاد هشتگ بر روی 8396744 توئیت به زبان انگلیسی پیاده سازی و در آزمایش های مختلف بین 1 تا 5 مرتبط ترین هشتگ پیشنهاد شده است. نتایج در حالات مختلف دقت بالای 20% و فراخوانی بالای 45% را نشان می دهد که نشانگر افزایش دقت از 3% به 21% و افزایش فراخوانی از 32% به 46% در مقایسه با دقیق ترین روش بررسی شده پیشنهاد هشتگ توسط LDA بدون تغییر، توسط نویسندگان است.

معماری پیمانه ای یکپارچه تحولی قابل توجه در صنعت هوافضا به وجود آورده است. در این معماری به دلیل کاهش اندازه، وزن، توان مصرفی و هزینه، وظایف با درجه بحرانیت متفاوت بر روی یک سخت افزار تجمیع شده و از منابع به صورت مشترک استفاده می کنند. علاقه صنعت به این یکپارچه سازی، منجر به معرفی سیستم های بحرانی-مختلط شده است. یکی از نیازهای اساسی این سیستم ها، بی درنگی و اطمینان از اجرای به موقع وظایف بحرانی می باشد که البته تجمیع وظایف بحرانی و غیر بحرانی، زمان بندی اجرای وظایف را با مشکلاتی مواجه می کند. همچنین به دلیل استفاده از باتری در این وسایل، کاهش انرژی مصرفی از دیگر نیازهای مهم می باشد. بنابراین در این مقاله به منظور دستیابی به نیازهای مطرح شده (زمان بندی بی درنگ و کاهش انرژی مصرفی)، یک روش زمان بندی ابتکاری آگاه به انرژی مصرفی در این سیستم ها معرفی می شود. این الگوریتم ضمن تضمین اجرای به موقع وظایف بحرانی، انرژی مصرفی سیستم را با تغییر پویای ولتاژ و فرکانس (DVFS) کاهش خواهد داد. نتایج به دست آمده از شبیه سازی ها نشان می دهد انرژی مصرفی الگوریتم پیشنهادی در مقایسه با روش های مشابه تا 14% بهبود می یابد.