علوم و مهندسی کامپیوتر (THE CSI JOURNAL ON COMPUTER SCIENCE AND ENGINEERING)
سال:1382 | دوره:1 | شماره:4 (ب) |تعداد مقالات:5

در این مقاله نشان داده می شود که استفاده از زبان های استاندارد توصیف مدار مانند Verilog HDL به همراه PLI ابزار مناسب و ساده ای برای طراحی و شبیه سازی مدارهای ناهمگام در تمام سطوح تجزید از توصیف رفتاری (CSP) تا سطح سویچ را فراهم می آورد. روش ارایه شده اجازه می دهد تا کدهای CSP (Communicating Sequential Process) در یک شبیه ساز متداول Verilog شبیه سازی گردد. پیاده سازی الگوریتم ارایه شده نیز بسیار ساده می باشد (حدود 100 خط کد) و بنابراین طراحان مدارهای ناهمگام می توانند آن را برای کاربردهای خود پیاده سازی نموده و بهینه نمایند. مزیت دیگر این روش در این است که به ابزار خاص یا پیش پردازش برای نیازی ندارد. مدار از ابتدایی ترین مرحله طراحی می تواند توسط زبان Verilog توصیف شود و در عین حال از ساختارهای کانال های ارتباطی به عنوان یک عملیات اتمی و همچنین امکانات برای موازی سازی در سطوح پایین استفاده شود. از نظر ما این روش جایگزین استفاده از روش هایی خواهد گردید که در آنها مدار با استفاده از زبان های مشتق شده از CSP توصیف می گردید و امکان تبادل کد بین طراحان و همچنین استفاده از کدهای مدارهای همگام را فراهم خواهد نمود.

در این مقاله یک الگوریتم مسیریابی تحمل پذیر خرابی برای شبکه ستاره مطرح شده است. مبنای الگوریتم پیشنهادی بر اساس مفهوم بردار ناامن می باشد که اولین بار برای شبکه فوق مکعب مطرح شد. این الگوریتم با محاسبه اولین سطح از جدول ناامن در تمامی گره ها آغاز می شود. این مجموعه نشان دهنده تمامی همسایه های غیرقابل دسترس و یا به عبارتی تمام همسایه های خراب هر گره می باشد. در ادامه، گره های شبکه با ارسال جدول ناامن خود به یکدیگر و اضافه کردن اطلاعات جدید رسیده از دیگر گره ها به جدول ناامن خود، اطلاعات کلی مربوط به گره های خراب شبکه را خواهند داشت. الگوریتم مسیریابی با استفاده از این اطلاعات، بهترین مسیر برای ارسال پیغام از هر گره مبدا به هر گره مقصد را انتخاب می کند. ما در این مقاله به مقایسه کارآیی شبکه ستاره با شبکه فوق مکعب با استفاده از الگوریتم مسیریابی پیشنهادی تحت شرایط مختلف کاری پرداخته ایم. نتایج بدست آمده از شبیه سازی این دو شبکه نشان می دهد که شبکه فوق مکعب در شرایطی که تعداد گره های خراب شبکه کم باشد کارآیی به مراتب بهتری نسبت به شبکه ستاره خواهد داشت. اما هنگامیکه تعداد گره های خراب شبکه زیاد می شود این شبکه ستاره است که کارآیی بهتری خواهد داشت.

در این مقاله، ما یک سیستم خبره به نام OAV-VVT Expert را جهت تایید و اعتبارسنجی دانش های سیستم های هوشمند ارایه می نماییم. این سیستم با استفاده از تکنیک استنتاج و روش بازنمایی دانش سه گانه OAV یک پایگاه دانش میانی به نامEx- OAV KB را به صورت یک عملکرد جدید در زمینه تایید و اعتبارسنجی دانش سیستم های هوشمند معرفی می نماید. استفاده از این پایگاه دانش سبب عدم وابستگی سیستم به روش های بازنمایی دانش و دامنه مساله می گردد. کلیه معیارهای تایید و اعتبارسنجی دانش در این سیستم مورد بررسی قرار می گیرند. OAV-VVT Expert در هنگام ساخت یک پایگاه دانش و استخراج پایگاه دانش موجود قابل بکارگیری می باشد. سیستم ارایه شده یک سیستم خبره و حاوی مکانیزم های استنتاج و تشریح کننده می باشد. OAV-VVT Expert به دلیل بررسی معیارهای مقادیر غیرقانونی و غیرارجاعی یک صفت خاصه در زمان انتقال دانش های پایگاه دانش موجود به Ex- OAV KB سبب افزایش کارایی عمل تایید و اعتبارسنجی دانش می گردد. کلیه الگوریتم های لازم جهت تبدیل تکنیک های بازنمایی دانش به این پایگاه برای اثبات امکان پذیری آن ارایه می گردد.

عدم تطابق میان شرایط آموزش و آزمایش سیستمهای خودکار بازشناسی گفتار سبب کاهش کارآیی این سیستمها می گردد. این عدم تطابق مساله شناخته شده ای است که مقاوم سازی بازشناسی گفتار با آن مواجه است. با این نگاه به مساله، مقاوم سازی عبارت از یافتن روشهایی برای کاهش عدم تطابق میان شرایط آموزش و آزمایش سیستمهای بازشناسی گفتار خواهند بود. این روشها را می توان به دو دسته تقسیم کرد: روشهای مبتنی بر داده همانند روشهای بهبود گفتار و استفاده از ویژگیهای مقاوم، و روشهای مبتنی بر مدل که تنها مدل ریاضی سیگنال گفتار را تغییر می دهند و بر خود سیگنال اثری نمی گذارند. در مقاله حاضر مدلی از محیط مورد مطالعه قرار گرفته و بر اساس این مدل رابطه ای میان ویژگیهای گفتار تمیز و نویزی بدست آمده است. علاوه بر این، دو روش نیز برای نگاشت ویژگیهای نویزی به ویژگیهای تمیز در حوزه کپسترال پیشنهاد گردیده است. روشهای پیشنهادی با تعدادی از روشهای مبتنی بر داده همانند: تفاضل طیف، تفاضل میانگین ضرایب کپسترال، نرمال سازی ضرایب کپسترال با استفاده از میانگین و واریانس و نرمال سازی ضرایب کپسترال بر حسب نسبت سیگنال به نویز، مقایسه شده اند. نتایج آزمایشهای انجام شده نشان داده اند که روشهای پیشنهادی نسبت به سایر روشهای مطرح شده کارآیی بیشتری دارند و به نحوه موثری کارآیی بازشناسی گفتار در محیطهای نویزی را افزایش می دهند.

در این مقاله، اتوماتای یادگیر سلولی همگام باز معرفی میگردد و رفتار آن مورد مطالعه قرار میگیرد. نشان داده شده است که اتوماتای یادگیر سلولی همزمان باز برای قوانین انجمنی در محیطهای خارجی ایستا به یک پیکربندی پایدار و سازگار همگرا میشود. شبیه سازیها این نتیجه را تایید میکند.