فناوری اطلاعات و ارتباطات ایران
سال:1398 | دوره:11 | شماره:41-42 |تعداد مقالات:6

در فضای اینترنت شناسایی عکس های غیراخلاقی امری ضروری در جهت حفاظت فیزیکی و ذهنی کودکان محسوب می شود؛ یکی از چالش های اصلی در تشخیص تصاویر غیر اخلاقی تغییرات روشنایی و رنگ پوست بدن است. به همین منظور در این مقاله روشی برای حل تغییرات روشنایی و بهبود تشخیص تصاویر غیراخلاقی ارایه شده است. در این مقاله از شبکه عصبی عمیق فازی برای بهبود روشنایی تصاویر غیراخلاقی استفاده شده است. در روش پیشنهادی از مدل یادگیری عمیق xception جهت تقسیم تصویر براساس شدت روشنایی به بخش های مختلف بهره گرفته شده است. تقسیم کردن تصویر به قسمت های مختلف باعث بهبود تغییرات روشنایی با حفظ جزییات تصویر و نهایتا شناسایی بهتر تصاویر غیراخلاقی شده است. به علاوه برای طبقه بندی رنگ پوست از ترکیب الگوریتم مبتنی بر Gaussian-KNN بهره گرفته شده است که روشی غیرپارامتری برای طبقه بندی ها و رگرسیون ها است؛ و در انتها از الگوریتم ماشین بردار پشتیبان برای طبقه بندی تصاویر استفاده شده است. به منظور پیاده سازی و ارزیابی روش پیشنهادی یک مجموعه شامل 33000 تصویر گردآوری شد، نتایج بدست آمده نشان می دهد که طرح پیشنهادی با دقت 7/99 درصد تصاویر غیراخلاقی را تشخیص می دهد.

امروزه ظهور و گسترش فناوری هایی که امکان ارتباط هر چه گسترده تر را فراهم کرده اند، تغییرات قابل ملاحظه ای را در هم زندگی خصوصی و هم زندگی حرفه ای افراد به وجود آورده است. اجرای صحیح فناوری اطلاعات منشا توسعه اقتصادی و فرهنگی و ارتقای کیفیت زندگی از طریق تبادل اطلاعات و ارایه خدمات عمومی و خصوصی است. هدف از این پژوهش ارایه مدل پذیرش فناوری اطلاعات در پروژه های فناوری اطلاعات مراکز تحقیقاتی ICT دانشگاهی ایران می باشد. در این مقاله به بررسی عوامل و پارامترهای موثر بر پذیرش فناوری اطلاعات در پروژه های ICT مراکز تحقیقاتی دانشگاهی حوزه فناوری اطلاعات پرداخته شده است. برای جمع آوری داده ها و اطلاعات موردنیاز از پرسشنامه استاندارد مرتبط استفاده شده است. جامعه آماری مورد نظر خبرگان شاغل در پروژه حوزه ICT مرکز تحقیقاتی دانشگاه بوده است که به دلیل انتخاب پروژه خاص در حوزه مذکور، نمونه برداری غیراحتمالی در دسترس (30نفر) انجام شده است. تجزیه و تحلیل داده نیز با استفاده از نرم افزارهای Spss 22 و Smart pls3 انجام شد. باتوجه به محاسبات انجام شده، می توان عوامل موثر بر پذیرش فناوری اطلاعات در مراکز تحقیقاتی دانشگاهی را به چهار دسته شامل عوامل مرتبط با فناوری اطلاعات، عوامل سازمانی، عوامل مرتبط با مدیر عالی اجرایی و عوامل فردی تقسیم نمود. نتایج تحقیق نشان می دهد، به ترتیب عوامل مدیریتی (به میزان 497/0)، عوامل مرتبط با فناوری اطلاعات (به میزان 460/0) و عوامل فردی (به میزان457/0) بر پذیرش فردی فناوری اطلاعات و عوامل سازمانی (به میزان 469/0) و عوامل فردی (به میزان 459/0) تاثیرگذاری قابل توجهی بر پذیرش سازمانی فناوری اطلاعات دارند.

پیش بینی قیمت سهام توسط تحلیلگران داده یک فرصت تجاری بزرگ را برای طیف گسترده سرمایه گذاران در بازار سهام ایجاد کرده است. اما این مهم به دلیل ماهیت بی ثبات و پویایی بیش از حد عوامل متعدد اقتصادی تاثیرگذار بر بازار سهام، امری دشوار است. در این پژوهش به منظور شناسایی ارتباط پیچیده 10 متغیر اقتصادی بر قیمت سهام شرکت های فعال در بازار سهام تهران، دو مدل طراحی و پیاده سازی شده است. نخست یک سیستم استنتاج فازی ممدانی که مجموعه قوانین موتور استنتاج خود را توسط الگوریتم بهینه سازی ازدحام ذرات بدست می آورد طراحی می شود. سپس مدل یادگیری عمیق مشتمل بر 26 نرون در 5 لایه پنهان طراحی شده است. مدل های طراحی شده به منظور پیش بینی قیمت سهام نه شرکت فعال در بورس اوراق بهادار تهران پیاده سازی و نتایج بدست آمده حاکی از عملکرد بهتر مدل یادگیری عمیق بر مدل ترکیب دوگانه استنتاج فازی-ازدحام ذرات و نیز مدل رایج شبکه عصبی دارد. اما قدرت تفسیرپذیری الگوی بدست آمده، رفتار همسانتر و با واریانس به مراتب کمتر و نیز سرعت همگرایی بیشتر نسبت به سایر مدل ها را می توان از مزایای رقابتی قابل توجه مدل ترکیب دوگانه استنتاج فازی-ازدحام ذرات نام برد.

گزارش های خبری ارایه شده در رسانه های اجتماعی و خبری با انواع اسناد و مدارک ارایه می شوند و شامل موضوعاتی هستند که جوامع و نظرات مختلف را در برمی گیرند. آگاهی از رابطه میان افراد در اسناد می تواند به خوانندگان کمک کند تا یک دانش اولیه در خصوص موضوع و هدف در اسناد مختلف به دست آورند. در این مقاله، روش های تشخیص جوامع بررسی شده و تکنیکهای مختلف خوشه بندی افرادی که نام آن ها در مجموعه ای از اسناد خبری آورده شده است نیز مورد بررسی قرار میگیرد. این افراد در جوامعی خوشه بندی می شوند که مواضع مرتبط با یکدیگر دارند. در این مقاله یک روش تشخیص موضع افراد جامعه مبتنی بر یک شبکه دوستی به عنوان مکانیزم پایه معرفی شده و مکانیزم تشخیص جوامع بهبود یافتهای برمبنای آن ارایه گردیده است. در روش پیشنهادی از ساختار الگوریتم ژنتیک جهت بهبود نرخ تشخیص بهره گرفته شده است. در آزمایش ها معیار صحت به منظور مقایسه درنظر گرفته شده است که برای رسیدن به این هدف شاخص رند نیز استفاده گردیده است. نتایج حاصل از آزمایش ها که برمبنای پایگاه های داده ی واقعی اسناد انتشار یافته در رسانه خبری گوگل نیوز در رابطه با یک موضوع خاص به دست آمده اند، حاکی از کارآمدی و بهره وری مطلوب روش پیشنهادی است.

سیستم های توصیهگر بر اساس اطلاعات کاربران و آیتم ها، سلایق و علاقه مندی های مورد نظر کاربران را پیش بینی کرده و بر اساس آنها آیتم های مناسب را به کاربران پیشنهاد می دهند. اکثر رویکردهای موجود برای سیستم های توصیه گر بر روی پیشنهاد دادن مرتبط ترین آیتم ها تمرکز می کنند و اطلاعات زمینه ای مانند زمان یا مکان را در نظر نمی گیرند. در این مقاله یک روش برای سیستم توصیه گر زمینه آگاه سفر با بهرهگیری از اطلاعات عکس های برچسب دار جغرافیایی ارایه شده است که از دقت بالایی برخوردار است. این روش نسبت به مقالات مشابه، تعداد زمینه های بیشتری مانند (وضعیت آب و هوا، وضعیت روحی کاربر، میزان ترافیک و. . . ) را در نظر می گیرد. با این کار باعث نزدیک شدن کاربران یک خوشه و در نتیجه افزایش دقت می شود. روش پیشنهادی به جای استفاده از الگوریتم خوشه بندی کلاسیک از ادغام دو الگوریتم رقابت استعماری و خوشه بندی C-Means فازی استفاده می کند. ارزیابی روش ارایه شده بر روی مجموعه داده فلیکر انجام شده و نتایج ارزیابی حاکی از آن است که روش پیشنهادی قادر به فراهم کردن توصیه های موثر و دقیق مطابق با علاقه مندی های کاربر و موقعیت فعلی بازدید او می باشد. رویکرد پیشنهادی در معیارهای دقت، متوسط مطلق دقت و میانگین قدر مطلق خطا به ترتیب به 0. 69 و 0. 53 و 0. 31 دست یافته است.

مسیله نمودار قطبی یکی از تعمیم های نمودار ورونوی است که در آن به جای متر اقلیدسی از مقدار زاویه برای محاسبه فاصله استفاده می شود. . این مسیله کاربردهای زیادی در پردازش تصویر، مخابرات و مباحث مربوط به آنتن، رویت پذیری و مسیریابی ربات دارد. در سالهای اخیر دو نوع نمودار قطبی مطرح شده و برای انواع سایت ها الگوریتم های مناسبی ارایه شده است. همچنین روی همین مسایل با داده های جنبشی و حالات پویا الگوریتم هایی ارایه شده است. در این مقاله قطب به عنوان ناظرمتحرک در نظر گرفته شده و الگوریتمی ارایه می شود که مسیله بازسازی نمودار قطبی با قطب نزدیک را به صورت کارا و در زمان خطی حل می کند. در این حالت زمان پیش پردازش الگوریتم〖 O(n^4 log〗 _2⁡ 〖 n)〗 و زمان باز رسم نمودار در هر حرکت متوالی قطب برابر با O(log⁡ n+k) است که در آنk تعداد سایتهای درون ناحیهT است که احتمال تغییر در آنها وجود دارد.