در پردازش زبان طبیعی تشخیص موجودیت های نامدار، فرآیندی است که در آن موجودیت هایی شامل مکان، زمان، اشخاص و سازمان شناسایی می شوند. در این مقاله جهت تشخیص موجودیت های نامدار از یادگیری انتقالی استفاده شده است، مزیت اصلی استفاده از یادگیری انتقالی هنگامی نمایان می شود که مجموعه داده کوچکی در حوزه پژوهشی مورد نظر وجود داشته باشد. شبکه حافظه ی کوتاه مدت طولانی در استخراج اطلاعات از داده هایی که به صورت دنباله ای از کلمات هستند و دارای وابستگی طولانی می باشند، نسبت به شبکه های عصبی بازگشتی بسیار پر کاربرد و دارای عملکرد بالاتری هستند، همچنین استفاده از مکانیزم توجه جهت بدست آوردن برداری که نشان دهنده میزان تاثیر دیگر کلمات در کلمه مورد نظر باشد از اهمیت خاص برخوردار می باشد. در این مقاله برای اولین بار از ترکیب مدل زبانی برت، شبکه حافظه ی کوتاه مدت طولانی، شبکه حافظه ی کوتاه مدت طولانی دوطرفه و مکانیزم توجه به صورت تمرکز بر روی یک کلمه قبل و بعد استفاده گردیده است. نتایج نشان می-دهد استفاده همزمان چندین مورد اشاره شده فوق، همچنین استفاده از رویکرد اصلی مکانیزم توجه در تشخیص موجودیت های نامدار می تواند بهبود عملکرد سیستم را در پی داشته باشد. عملکرد مدل پیشنهادی بر روی دیتاست مورد نظر با در نظر گرفتن معیار F1-score، 91.34 می باشد.

پیشینه و اهداف: سیلاب ها، هر ساله موجب بروز خسارات قابل توجهی در سراسر جهان منجر می­شوند. پیش بینی به موقع و دقیق آن ها می­تواند میزان خسارات جانی و مالی را به طور چشم گیری به حداقل برساند. در سال­های اخیر، مدل­های یادگیری ماشین متعددی به منظور پیش بینی سیل مورد استفاده قرار گرفته­اند؛ به طوری که نتایج آن ها حاکی از عملکرد بهتر این مدل­ها نسبت به مدل های آماری کلاسیک می­باشد. با این حال، این مدل­ها ویژگی­های مکانی که منجر به ایجاد و تقویت سیلاب­ها می­شوند، مدنظر قرار نمی­دهند. با استفاده از مدل حافظه طولانی کوتاه مدت پیچشی (ConvLSTM)، پیش بینی سری­های زمانی با ویژگی­های مکانی و اطلاعات هیدرولوژی ترکیب می­گردد. بدین ترتیب، الگویی جدید از ترکیب عوارض مکانی و پیش بینی سری­های زمانی با هدف استخراج خصوصیات زمانی- مکانی طراحی شده است تا چالش اصلی در پیش بینی سیل، یعنی ترکیب داده­های مکانی با داده­های هیدرولوژی را تا حد امکان حل کند.روش ها : برای تحلیل جامع خصوصیات زمانی- مکانی بارش، ویژگی های مکانی را با تحلیل­های سری زمانی ادغام کردیم. به همین منظور از مدل ConvLSTM استفاده گردید که ورودی­های آن شامل طول جغرافیایی، عرض جغرافیایی، ارتفاع، بارش، دبی و سایر اطلاعات ایستگاه­های اندازه گیری است. ConvLSTM یک مدل پردازشی سری­های زمانی است که ویژگی­های مکانی را استخراج می­کند. برای دستیابی به پیش بینی مکانی-زمانی، از ConvLSTM به عنوان یک بلوک پایه استفاده گردید تا بتوان با طراحی یک شبکه متراکم، ویژگی ها را لایه به لایه استخراج کرد تا پس از نگاشت آن ها، عمل پیش بینی انجام شود. در مرحله شبیه سازی، اندازه بچ و تعداد اپک­ها به ترتیب 64 و 30 انتخاب شد. همچنین، از یک شبکه پیچشی سه لایه با تعداد هسته­های 1، 8 و 32 و تعداد عصب­های 20، 40 و 80 در هر لایه به عنوان مدل نهایی استفاده گردید.یافته ها: با تحلیل نتایج، مشخص شد که دقت پیش بینی با افزایش زمان بهتدریج کاهش می­یابد. با این حال، هنگامی که زمان پیش بینی 10 ساعت پیش از رخداد سیلاب باشد، دقت پیش بینی از زمان های دیگر کمتر است. علت این است که هنگامی که زمان پیش بینی افزایش یابد، میزان اطلاعات دقیق کمتر خواهد بود که منجر به حصول دقت کمتر در یادگیری مدل و در نتیجه کاهش دقت پیش بینی می­شود. برای حل این مسأله باید عمق شبکه افزایش یابد که این امر موجب افزایش زمان مدل­سازی می­گردد که نشان از اهمیت مصالحه میان دقت مورد انتظار و زمان پردازش است.نتیجه گیری: ارزیابی نتایج، نشان داد که مدل ConvLSTM قادر است نتایج پیش بینی قابل قبولی، به ویژه در زمآن های کوتاه مدت، ارائه دهد و این مدل یک ابزار مناسب برای پیش بینی­های سری زمانی است. با وجود این که مدل ConvLSTM، عملکرد قابل ملاحظه­ای برای پیش بینی­های کوتاه مدت به دست آورد اما هنوز هم برخی محدودیت­ها از جمله پیش بینی بلند مدت سیلاب بر پایه داده­های سری زمانی وجود دارد. از جمله محدودیت­های دیگر، می­توان به پیچیدگی و وابستگی مدل ConvLSTM به تعداد نمونه­های آموزشی اشاره کرد که به تبع آن مدل­سازی دقیق­تر نیازمند جمع آوری داده­های بیشتر است. بدین ترتیب، در مناطقی که تعداد نمونه­ها برای مدل­سازی کافی نباشد، ممکن است دقت مدل پیش بینی تحت تأثیر قرار بگیرد.

عدم همخوانی واژگان مهمترین چالش پیش روی سیستم های بازیابی اطلاعات از وب هستند. عدم همخوانی واژگانی به تفاوت های موجود بین پرس وجوهای کاربران و محتوای اسناد وب در حالی اطلاق می گردد که هر دو به یک موضوع واحد اشاره دارند. روش های گسترش پرس وجو برای رویارویی با مشکل عدم همخوانی واژگانی، پرس وجوی کاربر را بازآرایی می نمایند تا بدینوسیله همپوشانی بین عبارت های موجود در پرس وجو و اسناد را افزایش دهند. در این مقاله یک چهارچوب گسترش پرس وجوی مبتنی بر شبکه سیامی عمیق حافظه کوتاه-مدت طولانی ارایه شده است. به علاوه، برای نخستین بار وابستگی ارتباطی در این مقاله تعریف شده و برای برچسب گذاری جفت های متشکل از پرس وجوی کاربر و پرس وجوی جایگزین مورد استفاده قرار گرفته است. شبکه سیامی آموزش داده شده با استفاده از جفت های برچسب گذاری شده با نظارت ضعیف، علاوه بر ارایه برچسب برای جفت های ورودی، هزینه هم سنجی آن ها را نیز محاسبه نموده و اعلام می کند. پس از برچسب گذاری، جفت های با کم ترین هزینه هم سنجی انتخاب و در هم ادغام می شوند تا به یک پرس وجوی گسترش یافته تبدیل شوند. نتایج آزمایشات نشان دهنده برتری روش پیشنهادی بر سایر روش های مشابه گسترش پرس وجوی مبتنی بر جاسازی کلمات بوده است.

مقدمه: پرگابالین، به عنوان یک داروی کمکی در صرع پارشیال، فیبرومیالژی، دردهای نوروپاتیک و اختلال اضطراب عمومی کاربرد دارد. این مطالعه، با هدف تعیین اثرات پرگابالین بر روی حافظه ی Rat با استفاده از روش Object Recognition Task (ORT) طراحی شد. روش ها: این مطالعه، یک مطالعه ی حیوانی تجربی است. Ratهای نر نژاد Wistar در 4 گروه 7تایی تقسیم شدند و به مدت 28 روز 10، 30 و یا 100 میلی گرم/کیلوگرم پرگابالین و یا همان حجم نرمال سالین به آن ها تزریق شد. سپس، حیوانات برای ارزیابی حافظه ی فضایی در عرصه ی ORT و طی دو دوره ی 3 دقیقه ای با فاصله ی 1 ساعت در مواجهه با اشیای مشابه و یا متفاوت قرار گرفتند. شاخص های Discrimination (2d)، Recognition (R) و فرکانس لمس شیء جدید (f)، در دوره ی دوم مواجهه با اشیا (2T)، با هم مقایسه شدند. 050/0 > P به عنوان معیار معنی دار بودن اختلاف در نظر گرفته شد. یافته ها: تجویز دزهای 10، 30 و 100 میلی گرم/کیلوگرم به مدت 28 روز، به طور قابل توجهی شاخص 2d (به ترتیب 050/0 > P، 010/0 > P و 001/0 > P)، R (به ترتیب 010/0 > P، 001/0 > P و 001/0 > P) و فرکانس اکتشاف (به ترتیب 050/0 < P، 050/0 > P و 001/0 > P) را در دوره ی 2T نسبت به گروه شاهد کاهش داد. 100 میلی گرم/کیلوگرم پرگابالین باعث کاهش بیشتری در عوامل بالا نسبت به 10 میلی گرم/کیلوگرم دارو شد (به ترتیب 050/0 > P، 001/0 > P و 050/0 > P). نتیجه گیری: یافته های این تحقیق نشان می دهد تجویز طولانی مدت دزهای مختلف پرگابالین، حافظه ی شناختی Rat را در تشخیص شیء جدید مختل می کند. این کاهش حافظه، از الگوی وابسته به دز پیروی می کند.

زمینه و هدف: در سال های اخیر، مدیریت زنجیره تامین دارو، به ویژه پس از همه گیری بیماری کووید-19 اهمیت بیشتری پیدا کرده است. در این مدت یکی از چالش های مهم مساله کنترل هزینه زنجیره تامین است. اگر موجودی دارو در بیمارستان ها به درستی مدیریت نشود، مشکلاتی مانند کمبود موجودی برخی داروهای حیاتی، تامین موجودی مازاد، افزایش هزینه ها و درنهایت نارضایتی بیماران را به دنبال خواهد داشت. مواد و روش ها: در این پژوهش سعی شده است تا با استفاده از الگوریتم های یادگیری عمیق، نیازهای دارویی بیمارستان های کشور را پیش بینی و مدیریت کنیم. داده های مصرف دارویی ده سال بیمارستان عمومی بعثت همدان از پایگاه داده های سامانه مدیریت بیمارستان استخراج شده است. به عنوان یک مطالعه موردی، عملکرد مدل پیشنهادی برای پیش بینی میزان مصرف سفازولین ارزیابی شده است. این مدل شامل یک شبکه حافظه طولانی کوتاه مدت می باشد که می تواند پیشینه تغییرات داده ها را در کاربردهای پیش بینی سری های زمانی تشخیص دهد. مدل پیشنهادی با وجود تعداد زیادی پارامترهای تطبیق پذیر در شبکه های عصبی عمیق عملکرد خوبی را برای غلبه بر پیچیدگی های مسیله یادگیری به ارمغان می آورد. نتایج: استفاده از رویکرد یادگیری عمیق پیشنهادی با کاهش اثرات پیچیدگی و عدم قطعیت در داده های پزشکی، استحکام الگوریتم را افزایش داده است. میانگین خطای پیش بینی با به کارگیری روش پیشنهادی 043/0 و مقادیر اندازه گیری شده برای RMSE، MAE و R2 به ترتیب برابر با 335/0، 260/0 و 851/0 است. نتیجه گیری: مقایسات جامعی بین برخی از سایر روش های پیش بینی و مدل پیشنهادی انجام شده است، که عملکرد بهتر مدل پیشنهادی را نشان می دهد. علاوه براین، نتایج ارزیابی دقت و کارایی قابل قبول رویکرد پیشنهادی را به خوبی نشان می دهد.

مقدمه: مطالعات نشان داده اند که ورزش می تواند یادگیری و حافظه را تحت تاثیر قرار دهد. این مطالعه، با هدف بررسی اثر ورزش هوازی کوتاه مدت بر حافظه و یادگیری به صورت هم زمان و به دو روش رفتاری و الکتروفیزیولوژی انجام شد. روش ها: در این پژوهش، 30 Rat نر از نژاد Wistar به دو گروه 10تایی برای روش الکتروفیزیولوژی و 2 گروه 5تایی برای آزمون رفتاری تقسیم شدند. ابتدا، گروه های ورزش توسط دستگاه چرخ آزمون اجباری با سرعت 5/17 متر/دقیقه به مدت 2 ساعت برای 10 روز به صورت اجباری ورزش کردند. سپس، در دو گروه مورد و شاهد روش الکتروفیزیولوژی تقویت طولانی مدت (Long-term potentiation یا LTP) القا گردید و تغییر پلاستیسیته ی سیناپسی برای مدت 90 دقیقه از ناحیه ی CA1 ثبت شد و مورد ارزیابی قرار گرفت و گروه های مورد و شاهد، آزمون رفتاری جهت بررسی اثر ورزش بر فراخوانی حافظه، در دستگاه اجتنابی غیر فعال آموزش دیده و در زمان های 0 و 24 ساعت و یک هفته بعد از دریافت شوک، موردآزمایش قرار گرفتند. یافته ها: در روش الکتروفیزیولوژی شاخص پاسخ های ثبت شده (دامنه ی پتانسیل های تجمعی میدانی) در دو گروه مورد و شاهد تفاوت معنی داری نداشت و در آزمون یادگیری اجتنابی غیر فعال زمان تاخیر ورود به اتاقک تاریک در گروه شاهد در زمان های 0 و 24ساعت و یک هفته بعد به طور معنی داری بیشتر از گروه مورد بود و زمان ماندن در اتاقک تاریک، 24 ساعت پس از دریافت شوک در گروه ورزش به طور معنی داری بیشتر از گروه شاهد بود. نتیجه گیری: ورزش کوتاه مدت با شدت متوسط، نمی تواند در حافظه ی اجتنابی و فعالیت شناختی حیوان تغییر قابل توجهی ایجاد کند و بر تغییرات پلاستیسیته ی سیناپسی در حیوان نیز تاثیرگذار نخواهد بود

زمینه و هدف: تاموکسیفن یکی از تعدیل کنندگان انتخابی گیرنده استروژن است که اثر استروژنی / آنتی استروژنی در بافت های مختلف بدن دارد. این مطالعه به منظور تعیین اثر مصرف طولانی مدت تاموکسیفن بر حافظه موش های صحرایی نر انجام شد.روش بررسی: در این مطالعه تجربی 48 سر موش صحرایی نر بالغ نژاد ویستار به سه گروه کنترل، شم و تجربی تقسیم شدند. گروه شم حلال تاموکسیفن دریافت نمود و گروه تجربی تاموکسیفن (400mg/kg/day) را به مدت 35 روز متوالی به صورت خوراکی دریافت کرد. در پایان تیمار، یادگیری و حافظه فضایی حیوانات با استفاده از ماز آبی موریس و حافظه اجتنابی با استفاده از شاتل باکس ارزیابی شد.یافته ها: مدت زمان و مسافت سپری شده برای دست یابی به سکوی پنهان در آزمون ماز آبی موریس در حیوانات دریافت کننده تاموکسیفن افزایش معنی داری در مقایسه با گروه کنترل نشان داد (P<0.05). به علاوه زمان و مسافت شنا شده در ربع دایره هدف (در آزمون پروب) در حیوانات گروه تاموکسیفن کاهش معنی داری داشت (P<0.05). در آزمون حافظه اجتنابی، تاموکسیفن موجب کاهش معنی داری در زمان ورود حیوان به اتاق تاریک در مقایسه با گروه کنترل گردید (P<0.05).نتیجه گیری: تیمار طولانی مدت تاموکسیفن موجب اختلال در یادگیری و حافظه فضایی و همچنین کاهش حافظه اجتنابی در موش های صحرایی نر می گردد.

موضوع تحقیق: عملیات حفاری همواره دچار مشکلات فراوانی بوده است. این مشکلات می توانند خسارات مالی، جانی یا حتی محیط زیستی فراوانی ایجاد کنند. به همین دلیل به دنبال راه حلی باید بود که این مشکلات را کاهش دهد و قبل از واردشدن خسارات جانی و مالی، این اتفاقات را پیش بینی کند و اقدامات لازم را برای رفع و کاهش خسارات عملی سازد. در این پژوهش، تأثیر استفاده از الگوریتم های هوش مصنوعی برای پیش بینی رخداد های حفاری مورد بررسی قرار می گیرد. برای این منظور از داده های نمودارگیری از گل حفاری (Mud Logging) که به صورت برخط اندازه گیری شده و از چاه­های موجود در یکی  از میادین نفتی ایران جمع آوری شده اند، استفاده می شود. روش تحقیق: معماری ترکیبی شامل شبکه عصبی حافظه کوتاه مدت طولانی (LSTM) و شبکه عصبی تماماً متصل برای شناسایی و تشخیص ناهنجاری هایی مانند سیلان چاه (Kick) و گیرکردن لوله حفاری (Stuck Pipe) به کار گرفته شد. به دلیل کمبود نمونه های این ناهنجاری ها در مجموعه داده ها که می تواند به طور قابل توجهی دقت و عملکرد مدل را کاهش دهد، از روش نمونه برداری دسته اقلیت (SMOTE) برای تعادل توزیع دسته ها و بهبود عملکرد کلی شبکه استفاده شد. علاوه بر این، تأثیر تغییرات ابرمتغیرها بر کاهش خطای شبکه مورد بررسی قرار گرفت. نتایج تحقیق:  در شبکه هایی که با ساختارها و معماری های مختلف مورد بررسی قرار گرفتند، نتایج تجربی نشان داد که شبکه عصبی با دقت 45/94 درصد بر روی مجموعه داده های آزمایشی عمل کرد. این عملکرد با تنظیم ابرمتغیرها به صورت زیر حاصل شد: پنجره نگاه به عقب 7، نرخ یادگیری 001/0، نرخ حذف 2/0، اندازه دسته 32 و معماری شبکه چهار لایه با تعداد واحدهای {(512,256,256)} در لایه های پنهان اول، دوم و سوم. این پیکربندی در تشخیص ناهنجاری نسبت به سایر گزینه های آزمایش شده، دقت بالاتر و هشدارهای کاذب کمتری داشت. با توجه به نتایج به دست آمده این روش در تشخیص برخط ناهنجاری در فرایند حفاری مؤثر خواهد بود.

استفاده از تلفن های همراه با سیستم عامل اندروید روز به روز در حال گسترش است. سیستم عامل اندروید به خودی خود ابزار قدرتمندی برای تشخیص بدافزار ندارد. از این رو، مهاجمان به راحتی از طریق گوشی تلفن همراه افراد وارد حریم خصوصی آنها شده و آنها را در معرض خطر جدی قرار می دهند. تاکنون تحقیقات زیادی بر روی تشخیص بدافزار صورت گرفته است. یکی از مشکلات عمده این راهکارها، دقت پایین در تشخیص چند کلاسه روی مجموعه داده ها و یا عدم حصول نتیجه مطلوب در هر دو نوع تشخیص دودویی و چند کلاسه است. در این مقاله با استفاده از شبکه عصبی کانولوشن (CNN) و تغییر در تعداد لایه های مختلف، سعی کرده ایم تا حداکثر تعداد ویژگی های مهم را از مجموعه داده استخراج نماییم. در فاز طبقه بندی داده ها نیز از الگوریتم یادگیری شبکه حافظه طولانی کوتاه مدت (LSTM) استفاده می کنیم تا با آزمایش آن بر روی ویژگی های انتخاب شده، داده ها با حداکثر دقت ممکن طبقه بندی شوند. نتایج آزمایش بر روی مجموعه داده جدید MalMemAnalysis-2022 نشان می دهد که استفاده از این دو الگوریتم و تغییر در تعداد لایه ها می تواند در بهترین حالت به ترتیب منجر به دقت های 99.99% و 71.99% در دسته-بندی دودویی و چند کلاسه در تشخیص بدافزار شود که نسبت به روش های موجود برتری دارد.

مقدمه: در دهه های گذشته شواهد به دست آمده در مورد مجموعه اختلالات اسکیزوفرنی، نشان می دهند که اسکیزوفرنی با نقایص قابل توجهی در عملکردهای ادراکی و شناختی (به خصوص نقص هایی در دقت و حافظه عملکردی) همراه است. پژوهش حاضر با هدف بررسی عملکرد حافظه کوتاه مدت و ابعاد مختلف آن در بیماران اسکیزوفرن و مقایسه با افراد عادی انجام گرفت.روش: افراد مورد مطالعه 30 بیمار مرد با تشخیص اسکیزوفرنی بستری در بخش روانپزشکی شهرستان شاهرود بودند که به شیوه در دسترس انتخاب شدند. عملکرد حافظه کوتاه مدت آنها با استفاده از مقیاس تجدیدنظر شده حافظه وکسلر (III-WMS) مورد ارزیابی قرار گرفت و با 30 مرد عادی که به شیوه تصادفی انتخاب شده بودند، مقایسه شد.یافته ها: تحلیل واریانس چند متغیره با کنترل سن و تحصیلات نشان داد که بین عملکرد حافظه کوتاه مدت بیماران اسکیزوفرن و افراد عادی در 4 خرده مقیاس حافظه وکسلر از جمله جهت یابی، کنترل ذهنی، تکرار ارقام و حافظه بینایی تفاوت های معنی داری وجود دارد.نتیجه گیری: بیماران اسکیزوفرن در حافظه و مفهوم سازی ضعیف تر از افراد عادی عمل می کنند که این الگو با فرضیه آسیب در قشر پیشانی - گیجگاهی هماهنگی دارد. توان بخشی شناختی یکی از ضروریات مداخلات درمان های روان شناختی در بیماران اسکیزوفرن است.