واژگان کلیدی لغات مهمی از سند هستند که بیان گر توصیفی از متن هستند و نقش بسیار مهمی در فهم دقیق و سریع از محتوا دارند. شناسایی واژگان کلیدی از متن با روش های معمول کاری زمان بر و پرهزینه است. در این مقاله ابتدا با استفاده از شبکه عصبی پیشرو و از طریق الگوریتم Word2vec ماتریس همبستگی واژگان را به ازای یک سند محاسبه و سپس با استفاده از ماتریس همبستگی و یک فهرست اولیه محدود از واژگان کلیدی، نزدیک ترین واژگان را از نظر شباهت در قالب فهرست نزدیک ترین همسایگی ­ ها استخراج می کنیم. فهرست به دست آمده را به صورت نزولی مرتب و از ابتدای فهرست، درصدهای مختلفی از واژگان را انتخاب و به ازای هر درصد، ده مرتبه فرایند آموزش شبکه عصبی و ساخت ماتریس همبستگی و استخراج فهرست نزدیک ترین ­ همسایگی ­ ها را تکرار و در نهایت میانگین دقت، فراخوانی و معیارF را محاسبه می کنیم. این کار را تا جایی ادامه می ­ دهیم که به بهترین نتایج در ارزیابی دست یابیم؛ نتایج نشان می­ دهند که به ازای انتخاب حداکثر چهل درصدِ واژگان از ابتدای فهرستِ نزدیک ترین همسایگی­ ها، نتایج مورد قبولی به دست می ­ آید. الگوریتم بر روی پیکره ای با هشتصد خبر که به صورت دستی واژگان کلیدی آن ها را استخراج کرده ایم، آزمایش شده است و نتایج آزمایش ها نشان می دهد که دقت روش پیشنهادی 78 درصد خواهد بود.

با رشد روز افزون اسناد و متون الکترونیکی به زبان فارسی، به کارگیری روش هایی سریع و ارزان برای دسترسی به متون مورد نظر از میان مجموعه وسیع این مستندات، اهمیت بیشتری می یابد. برای رسیدن به این هدف، استخراج کلمات کلیدی که بیانگر مضمون اصلی متن باشند، روشی بسیار موثر است. تعداد تکرار یک کلمه در متن نمی تواند نشان دهنده اهمیت یک کلمه و کلیدی بودن آن باشد. همچنین در اکثر روش های استخراج کلمات کلیدی مفهوم و معنای متن نادیده گرفته می شوند. از طرفی دیگر بدون ساختار بودن متون جدید در اخبار و اسناد الکترونیکی، استخراج این کلمات را مشکل می سازد. در این مقاله روشی بدون نظارت و خودکار برای استخراج این کلمات در زبان فارسی که دارای ساختار مناسبی نمی باشد، پیشنهاد شده است که نه تنها احتمال رخ دادن کلمه در متن و تعداد تکرار آن را در نظر می گیرد، بلکه با آموزش مدل Word2vec روی متن، مفهوم و معنای متن را نیز درک می کند. در روش پیشنهادی که روشی ترکیبی از دو مدل آماری و یادگیری ماشین می باشد، پس از آموزش Word2vec روی متن، کلماتی که با سایر کلمات دارای فاصله کمی بوده استخراج شده و سپس با استفاده از هم رخدادی و فرکانس رابطه ای آماری برای محاسبه امتیاز پیشنهاد شده است. درنهایت با استفاده از حدآستانه کلمات با امتیاز بالاتر به عنوان کلمه کلیدی در نظر گرفته می شوند. ارزیابی ها بیانگر کارایی روش با معیار F برابر 53. 92% و با 11% افزایش نسبت به دیگر روش های استخراج کلمات کلیدی می باشد.

با گسترش شبکه های کامپیوتری و رشد روزافزون کاربردهای مبتنی بر اینترنت اشیاء (IoT)، شبکه های حسگر بی سیم (WSN)، و شبکه های پویا مانند MANET، مساله بهینه سازی مسیریابی به یکی از چالش های بنیادین در علوم رایانه و مهندسی شبکه تبدیل شده است. الگوریتم های سنتی همچون دایکسترا و بلمن-فورد اگرچه در محیط های پایدار کارایی نسبی دارند، اما به دلیل محدودیت در سازگاری با تغییرات دینامیک و چندهدفه بودن مسائل جدید، پاسخگوی نیازهای محیط های مدرن نیستند. در این راستا، هدف اصلی این مقاله، بررسی جامع نقش و کارایی الگوریتم فاخته (Cuckoo Optimization algorithm - COA) به عنوان یک الگوریتم فراابتکاری نوین در بهینه سازی مسیریابی شبکه های کامپیوتری است. الگوریتم فاخته با الهام از رفتار تولیدمثل انگلی پرنده فاخته و سازوکار پرش های Lévy، به عنوان رویکردی ساده اما توانمند به ویژه برای حل مسائل غیرخطی، چندهدفه و پویا معرفی شده است. در این مقاله، ضمن تبیین ساختار، مراحل اجرایی و مزایا و معایب الگوریتم فاخته نسبت به روش های دیگر (مانند PSO، GA و ACO)، به مرور مطالعات میدانی و شبیه سازی های انجام شده در حوزه های WSN، MANET، SDN و IoT پرداخته شده است. نتایج پژوهش های گذشته نشان می دهد استفاده از COA سبب کاهش محسوس مصرف انرژی، بهبود نرخ تحویل بسته و افزایش طول عمر شبکه نسبت به الگوریتم های جایگزین شده است. همچنین، کاربردهای عملی COA در محیط های پویا و دارای تغییرات سریع توپولوژی، قابلیت ها و برتری های بیشتری نسبت به رقبای خود آشکار ساخته است. در ادامه، مقاله با تمرکز بر نتایج مقایسه ای میان COA و دیگر الگوریتم های فراابتکاری، نشان می دهد که الگوریتم فاخته به سبب سادگی ساختار، سرعت همگرایی بالا و توان جستجوی جامع تر، برای کاربردهای شبکه ای خصوصاً در سناریوهای داده محور و نوظهور، انتخاب مناسبی است. با این حال، چالش هایی نظیر نیاز به تنظیم بهینه پارامترها، تطبیق محدود با مسائل گسسته و عدم وجود استانداردسازی جامع نیز شناسایی شده است. بر همین اساس، پیشنهادهای پژوهشی آینده، بهره گیری از ترکیب COA با سایر الگوریتم ها، توسعه نسخه های یادگیری محور و به کارگیری آن در محیط های واقعی و بزرگ مقیاس را مورد تاکید قرار می دهد.

This study focuses on the investigation of intelligent form-finding and vibration analysis of a triangular polyhedral tensegrity that is enclosed within a sphere and subjected to external loads. The nonlinear dynamic equations of the system are derived using the Lagrangian approach and the finite element method. The proposed form-finding approach, which is based on a basic genetic algorithm, can determine regular or irregular tensegrity shapes without dimensional constraints. Stable tensegrity structures are generated from random configurations and based on defined constraints (nodes located on the sphere, parallelism, and area of upper and lower surfaces), and shape finding is performed using the fitness function of the genetic algorithm and multi-objective optimization goals. The genetic algorithm's efficacy in determining the shape of structures with unpredictable configurations is evaluated in two distinct scenarios: one involving a known connection matrix and the other involving fixed or random member positions (struts and cables). The shapes obtained from the algorithm suggested in this study are validated using the force density approach, and their vibration characteristics are examined. The findings of the comparative study demonstrate the efficacy of the proposed methodology in determining the vibrational behavior of tensegrity structures through the utilization of intelligent shape seeking techniques.

افزایش جمعیت و تقاضای روزافزون مواد غذایی و بهره وری اقتصادی پایین محصولات کشاورزی و هدررفت منابع آبی و خاکی، تعیین و اجرای الگوی کشت بهینه کشور را ضروری نموده است. در این تحقیق، با توجه به محدودیت ها و مشکلات روش های کلاسیک و همچنین به منظور کاهش زمان پردازش و بهبود کیفیت راه حل ها، از الگوریتم ازدحام ذرات چند هدفه آشوبناک در تعیین الگوی کشت بهینه دشت سیستان در شرایط بهینه و کم آبیاری استفاده گردید. نتایج کاربرد الگوریتم آشوبناک برای کشت های غالب منطقه نشان داد که الگوی کشت فعلی منطقه بهینه نبوده و با اجرای الگوی پیشنهادی مدل، سود حاصل به ازای واحد سطح زیر کشت، افزایش خواهد یافت. نتایج کاربرد کم آبیاری طی دوره های مختلف رشد محصولات گندم، جو، یونجه، سورگوم، هندوانه و انگور نیز نشان داد که اعمال کم آبیاری ها در این دشت استراتژی مناسبی نبوده و تنها استراتژی آبیاری کامل توصیه می گردد، مدل مقدار بهینه حجم آب برای سطح یک هکتار را 42750 متر مکعب برآورد نموده و با وارد کردن گیاهان گندم، یونجه، سورگوم، هندوانه و انگور با استراتژی آبیاری کامل در الگوی بهینه کشت، در نهایت بازده برنامه ای 4, 153, 448 تومان بدست آمد، با کاهش 25 درصدی آب مصرفی شبکه، مقدار بازده برنامه ای 5/14 درصد و با کاهش 50 درصدی آب مصرفی، مقدار بازده برنامه ای 5/41 درصد کاهش یافت. نتایج ارزیابی حساسیت مدل نیز نشان داد که در قیمت های پایین، کشاورزان واکنش کمتر و در قیمت های بالاتر، عکس العمل بیشتری به تغییر قیمت نشان داده و با افزایش قیمت آب، سود ناخالص (بازده برنامه ایی) کمتر و مدل بیشتر به سمت افزایش زیر کشت محصولاتی تمایل دارد که با مصرف آب کمتر عملکرد بیشتری دارند. نتیجه گیری کلی این تحقیق آن است که بی کشش بودن تقاضای آب در دامنه های قیمتی 725-0، 950-750، 1050-1000 و همچنین 1200-1075 ریال در برنامه-ریزی های مربوط به قیمت گذاری منابع آب کشاورزی منطقه بایستی مورد توجه قرار گیرد.

یکی از موضوعات اساسی و پایه در مطالعات مهندسی هیدرولوژی و رودخانه، روندیابی سیلاب است. روندیابی سیلاب به روش هیدرولوژیکی در رودخانه­های چند شاخه و رودخانه­های فاقد آمار حوضه میانی مرسوم است. از این رو، مدل هیدرولوژیکی ماسکینگام یک روش مفید است که بدون نیاز به تعیین شیب­ها و مقاطع عرضی در تمام بازه­های رودخانه، عمق و دبی جریان سیلابی را در مقاطع مختلف رودخانه روندیابی می کند و از این رو، سبب صرفه جویی در هزینه و زمان می شود. در این مطالعه، مقادیر بهینه پارامترهای غیرخطی مدل جدید ماسکینگام نوع ششم بر اساس الگوریتم بهینه سازی مگس(MA)  محاسبه شده است. در این مدل غیرخطی ماسکینگام که دارای هشت پارامتر است، از ضریب بهبود γ استفاده شده است که با توجه به تعداد پیک های موجود در هیدروگراف خروجی، مقادیر بیشتر یا کمتر از یک دارد. برای ارزیابی عملکرد ترکیبی مدل جدید غیر خطی ماسکینگام همراه با الگوریتم نوین MA، از مطالعه موردی ویلسون و وایسمن  لوئیس استفاده شده که توسط بسیاری از محققان قبلی برای اعتبار سنجی مورد استفاده قرار گرفته است. نتایج الگوریتم MA برای دو رودخانه ویلسون و وایسمن لوئیس نشان دهنده کمینه سازی مجموع مربعات باقیمانده ها (SSQ) به عنوان تابع هدف می­باشد که برای رودخانه ویلسون برابر با 3.21 و رودخانه وایسمن برابر با68722 است. نتایج این تحقیق نشان داد که مدل پیشنهادی دارای دقت زیادی در برآورد مقادیر تخلیه خروجی است.

This article investigates the problem of simultaneous attitude and vibration control of a flexible spacecraft to perform high precision attitude maneuvers and reduce vibrations caused by the flexible panel excitations in the presence of external disturbances, system uncertainties, and actuator faults. Adaptive integral sliding mode control is used in conjunction with an attitude actuator fault iterative learning observer (based on sliding mode) to develop an active fault tolerant algorithm considering rigid-flexible body dynamic interactions. The discontinuous structure of fault-tolerant control led to discontinuous commands in the control signal, resulting in chattering. This issue was resolved by introducing an adaptive rule for the sliding surface. Furthermore, the utilization of the sign function in the iterative learning observer for estimating actuator faults has not only enhanced its robustness to external disturbances through a straightforward design, but has also led to a decrease in computing workload. The strain rate feedback control algorithm has been employed with the use of piezoelectric sensor/actuator patches to minimize residual vibrations caused by rigid-flexible body dynamic interactions and the effect of attitude actuator faults. Lyapunov's law ensures finite-time overall system stability even with fully coupled rigid-flexible nonlinear dynamics. Numerical simulations demonstrate the performance and advantages of the proposed system compared to other conventional approaches.