سال هاست که توجه محققین به مساله تغییر رفتار پس از ارائه آموزش جلب شده است. وجود فاصله بین آموزش دانشگاهی و اعمال اجرایی روزانه در محل های کاری و نیز برآورده نشدن همه نیازهای محیط کار توسط دانش آموختگان محیط آموزشی که اصطلاحا تفاوت بین تئوری و عمل نام دارد، سبب شکل گرفتن نوعی روش یادگیری به نام یادگیری مبتنی بر عملکرد (Practice-based Learning) گردید. مفهوم یادگیری مبتنی بر عملکرد، مفهومی گسترده است که به عنوان یک استراتژی کلیدی جهت پیشرفت دادن یادگیری فراگیران و دخیل کردن آنان در فرآیند یادگیری خود، که منجر به کسب درک بهتر و عمیق تر از موقعیت می شود بکار می رود. این مطالعه سعی دارد تا ضمن ارائه تعریفی جامع از Practice-based Learning، به نحوه و مراحل اجرا، ارزشیابی و چالش های پیش روی این روش آموزش بپردازد.

Distributed Denial of Service (DDoS) attacks are among the primary concerns in internet security today. Machine Learning can be exploited to detect such attacks. In this paper, a multi-layer perceptron model is proposed and implemented using deep machine Learning to distinguish between malicious and normal traffic based on their behavioral patterns. The proposed model is trained and tested using the CICDDoS2019 dataset. To remove irrelevant and redundant data from the dataset and increase Learning accuracy, feature selection is used to select and extract the most effective features that allow us to detect these attacks. Moreover, we use the grid search algorithm to acquire optimum values of the model’s hyperparameters among the parameters’ space. In addition, the sensitivity of accuracy of the model to variations of an input parameter is analyzed. Finally, the effectiveness of the presented model is validated in comparison with some state-of-the-art works.

In Kant and the Problem of Metaphysics (KPM), Heidegger shows how the initial image-making power of the imagination is pictorial in the pure image of time. He further clarifies the recognized link between the syntheses and the time-visualizing power of images which is pictorial formative power, which can visualize time. The three syntheses of imagination are replaced with the modes of existence of Dasein. Three kinds of photographs resemble the images produced when the transcendental imagination functions as Dasein. We can address the ways to visualize time by considering Dasein with a photographic preoccupation through 1. A possible look in the form of presentation (a photograph shows an immediate look of a house or person as intuitable this-here); 2. An immediate look of the thing, house, or deceased person, as well as a copy or its reproduction as a death mask; and, 3. The manner of contemplation of a likeness is an immediate look of a being present in the form of representation.

Face recognition from digital images is used for surveillance and authentication in cities, organizations, and personal devices. Internet of Things (IoT)-powered face recognition systems use multiple sensors and one or more servers to process data. All sensor data from initial methods was sent to the central server for processing, raising concerns about sensitive data disclosure. The main concern was that all data from all sectors that could contain confidential information was placed in a central server. Federated Learning can solve this Problem by using several local model training servers for each region and a central aggregation server to form a global model in IoT networks. This article presents a novel approach to optimize data transfer and convergence time in federated Learning for a face recognition task using Non-dominated Sorting Genetic Algorithm II (NSGA II). The aim of the study is to balance the trade-off between training time and model accuracy in a federated Learning environment. The results demonstrate the effectiveness of the proposed approach in reducing data transfer and convergence time, leading to improved performance in face recognition accuracy. This research provides insights for researchers and practitioners to enhance the efficiency of federated Learning in real-world applications.

1هدف از پژوهش حاضر بررسی تأثیر آموزش یادگیری زایشی بر اساس جو روانی- اجتماعی، مهارتهای فراشناختی و  الگوی بار شناختی بر یادداری ریاضی دانش آموزان پایه هفتم در سال تحصیلی 401-1400 بود. روش پژوهش حاضر نیمه آزمایشی از نوع پیش آزمون- پس آزمون با دو گروه کنترل و دو گروه آزمایش بود. جامعه آماری شامل تمامی دانش آموزان دختر و پسر پایه هفتم منطقه 2 شهر مشهد بودند که تعداد 112 نفر نمونه با استفاده از روش نمونه­گیری خوشه­ای تک­مرحله­ای انتخاب شدند. افراد گروه آزمایش طی 16 جلسه تحت آموزش یادگیری زایشی بر اساس بار شناختی قرار گرفتند و گروه کنترل هیچ نوع مداخله­ای دریافت نکردند. ابزار پژوهش شامل آزمون محقق ساخته 20 سوالی بود. برای تجزیه و تحلیل داده­ها از آزمون تحلیل کوواریانس چندمتغیره و نرم افزار SPSS نسخه 24 استفاده شد. نتایج پژوهش حاضر نشان داد که آموزش یادگیری زایشی بر اساس جو روانی- اجتماعی، مهارتهای فراشناختی و الگوی بار شناختی تأثیر مثبت و معناداری بر یادداری ریاضی دانش آموزان پایه هفتم دارد. بر اساس یافته­ها می­توان نتیجه گرفت که یکی از آموزش­های موثر بر یادداری ریاضی دانش آموزان، استفاده از روش یادگیری زایشی بر اساس جو روانی- اجتماعی، مهارتهای فراشناختی و الگوی بار شناختی است.