اکثر الگوریتم هایی که تا این زمان در زمینه نهان کاوی کور ویدئو ارائه شده اند منطبق بر یادگیری باناظر بوده و هزینه تولید داده های برچسب دار در آنها بالا می باشد. تحت این شرایط در فرایند نهان کاوی کور ویدئو تنها می توان از تعداد محدودی از الگوریتم های نهان نگاری که کد آنها در دسترس است برای آموزش طبقه بند استفاده کرد. بنابراین نمی توان درباره کارایی نهان کاو برای شناسایی آن دسته از الگوریتم های نهان نگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتم های رایج عموما برون خط می باشند و بنابراین آموزش مجدد سیستم زمان بر بوده و نمی توان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهان کاوی کور ویدئو با رویکرد یادگیری شبه ناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسب دار بودن داده های آموزشی، کارایی طبقه بند برای آن دسته از الگوریتم های نهان نگاری که کد آنها در دسترس نیست بهبود می یابد. همچنین ثابت می شود که روش پیشنهادی نسبت به روش های متداول در فرایند نهان کاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیه سازی بر روی پایگاه داده استاندارد نشان می دهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روش های متداول روز است.

موفقیت بلندمدت هر کسب و کار، به ایجاد ارزش و رضایت مندی برای مشتریانش وابسته است. این امر موجب خرید دوباره و رشد هم زمان بازار می شود. در این نوشتار با استفاده از مفاهیم شبکه های عصبی، مدلی برای سنجش میزان وفاداری مشتریان نسبت به محصولات/ خدمات مختلف ارایه شده است. در این مدل پیشنهادی، از شبکه های عصبی خود سازمان ده برای این منظور، استفاده شده است. استفاده از شبکه های عصبی خود سازمان ده به جای شبکه های عصبی پیش خور مزایای متعددی (از جمله کاهش تعداد تحلیل پرسش نامه ها در آموزش شبکه) را به همراه خواهد داشت. در این پژوهش، دفتر طرح های تحقیقاتی شهرک علمی و تحقیقاتی اصفهان به عنوان مطالعه موردی، بررسی شده است و مدل پیشنهادی برای مشتریان این سازمان پیاده سازی شده است.

طبقه بند یکی از سه بلوک تشکیل دهنده یک نهان کاو ویدئو است که برای آموزش نیازمند برچسب می باشد. در نهان کاوی کور به دلیل عدم دسترسی به الگوریتم های نهان نگاری تهیه برچسب مشکل است. در این مقاله از طبقه بند خودسازمانده پویای شبه ناظر برای رسیدن به حداقل برچسب استفاده شده و بدین منظور مفهومی به نام افزونگی هندسی گره های لایه زیرین شبکه خودسازمانده پویای شبه ناظر به کار گرفته شده است. نشان داده شده که این افزونگی منجر به ایجاد الگوهای تکراری برای شبکه خواهد شد، پس حذف چنین گره هایی بلامانع است. اثبات شده به دلیل وجود تناظر یک به یک بین گره ها و برچسب ها کاهش گره ها منجر به کاهش تعداد برچسب لازم می شود. نکته اساسی این که لازمه وجود افزونگی هندسی در میان تعدادی گره که مفهومی انتزاعی است، تشکیل دسته توسط آنهاست و بنابراین مبنای الگوریتم پیشنهادی شناسایی دسته ها و ادغام اعضای آنهاست. طبقه بند به دست آمده بر این مبنا طبقه بند خودسازمانده هندسی نام نهاده شده و اثبات می شود که این طبقه بند می تواند به مقدار بهینه حداقل برچسب دست یابد.نتایج شبیه سازی نشان دهنده برتری چشم گیر طبقه بند نسبت به الگوریتم های پیشین است.

فرم شهری نمایانگر ویژگی های کالبدی شهر و فرایندهای غیر کالبدی (اقتصادی، اجتماعی و سیاسی) نمود یافته در کالبد است و شبکه معابر یکی از اجزای مهم و پایدار آن محسوب می شود. این مقاله درصدد آن است تا با ارائه یک چارچوب تحلیلی و معرفی شاخص های مناسبی که وجوه مختلفی از الگوهای شبکه معابر را هدف قرار می دهند، امکان بازشناسی روش مند این الگوها را فراهم آورد و در این فرایند، سه بُعد پیکره بندی، ترکیب بندی و ساخت (که به این ترتیب با شاخص های توپولوژیک، ریخت شناسی و متریک متناظرند) را به کار گرفته است. نوآوری پژوهش را نیز می توان در دو جنبه به کارگیری رهیافت شبکه در مدل سازی (در مقابل توصیفات کیفیِ متداول در پژوهش های داخلی) و تولید چارچوب تحلیلی با انباشت مجموعه شاخص های متفاوت و متناسب با اطلاعات در دسترس، برشمرد. پژوهش پیشرو به تحلیل الگوهای شبکه معابر (که به دودسته خود سازمان یافته و از پیش طراحی شده تقسیم بندی می شود) در محدوده های خود سازمان یافته که بدون هیچ طرح از پیش اندیشیده شده ای طی زمان به وجود آمده اند (و عموماً بی نظم، تودرتو و پرپیچ وخم توصیف می شوند) می پردازد و ویژگی ها و قاعده مندی های مشترک حاکم بر آن ها و وجوه تشابه و تفاوت آن ها را ردیابی می نماید. به کارگیری چارچوب تحلیلی در پانزده محدوده مطالعاتی خود سازمان یافته در شهر تهران نشانگر آن است که نه تنها الگوی پیکره بندی شبکه معابر در تمامی محدوده ها با یکدیگر مشابه و از نوع T-tree است، بلکه تحلیل های تری پلات انجام شده هم مؤید تشابه الگوی ترکیب بندی و ساخت شبکه معابر در این محدوده ها علی رغم وجود برخی تفاوت ها است که از وجود نظمی مشابه اما پیچیده و پنهان در آن ها حکایت دارد.

شبکه خودسازمانده پویا با یادگیری نیمه ناظر در بسیاری از کاربردها نظیر خوشه بندی داده ها کاربرد دارد. محاسبه پارامترهای شبکه خودسازمانده شامل شکل و ساختار لایه خوشه بندی، سطح فعال سازی و وزن های لایه طبقه بندی از جمله مسایل چالش برانگیز و مهم آن است. راهکارهای ارائه شده فعلی از روش های ابتکاری و با یک نگاه محلی سعی در تعیین این پارامترها دارند که در اثر آن، نتایج این الگوریتم ها وابستگی بالایی به شرایط دارد. این مقاله یک روش یادگیری نیمه ناظر مبتنی بر شبکه خودسازمانده پویا و یادگیری حداکثری را برای اولین بار مورد بررسی قرار می دهد. روش پیشنهادی، بدون محاسبه مستقیم پارامترهای شبکه خودسازمانده پویا و با استفاده از روش یادگیری حداکثری، کلاس هر داده را تعیین می کند. خطای حاصل از بازخورد سیستم، هم در یادگیری حداکثری و هم در بهینه سازی شبکه خودسازمانده پویا مورد استفاده قرار می گیرد. در این مقاله، علاوه بر بررسی تحلیلی همگرایی روش پیشنهادی، روش حداکثری ترتیبی برای شبکه نیمه ناظر خودسازمانده پویا ارائه شده است. آزمایش های انجام شده بر روی داده های برخط و با برچسب جزئی نشان می دهند که روش پیشنهادی از نظر دقت، نسبت به روش نیمه ناظر خودسازمانده پویا برتری نسبی دارد.

بانک ها با ورود به بازار بین بانکی به منظور ایجاد موازنه بین سود آوری و مدیریت ریسک نقدینگی خود، متناسب با شرایط فعالیت های کوتاه مدت، نسبت به تجهیز منابع از طریق این بازار و یا اعطای وام کوتاه مدت به سایر بانک ها اقدام می نمایند. تعهدات بانک ها در بازار بین بانکی میتواند به علت اثر سرایت منجر به بروز و افزایش ریسک سیستمی شود. بدین منظور در این پژوهش به بررسی پایداری شبکه بین بانکی در طی زمان با استفاده از سنجه های آماری به کار رفته در تیوری شبکه های پیچیده پرداخته شده است. این سنجه ها ویژگی های توپولوژیکی شبکه را مشخص می کند و با لحاظ جهت و وزن ارتباط بین گره ها ساختارهای اساسی شبکه را تعیین می کنند. نتایج نشان می دهد که ساختارشبکه در طی زمان به فراخور شرایط اقتصادی تغییر کرده است. شاخص های اندازه گیری ریسک سیستمی از قبیل ضریب خوشه بندی، میانگین کوتاهترین طول مسیر و همگونی و تمرکز شبکه نشان می دهند که پایداری شبکه به مرور کمتر و ریسک سیستمی افزایش یافته است. همچنین در صورت بروز مشکل و نکول در شبکه بیشترین آسیب پذیری از ریسک سیستمی متوجه بانک های تخصصی-دولتی و خصوصی شده بوده و بانک های خصوصی با توجه به حجم مبادلات بالا و جریان خالص منفی می توانند ریسک سیستمی قابل توجهی را به شبکه بازار بین بانکی منتقل کنند. همچنین شواهدی از بروز واسطه گری توسط بانک های خصوصی در شبکه مشاهده گردید.

طراحی اولیه شبکه های توزیع آب شهری برای دوره طرح مورد نظر و همچنین طراحی فاز ترمیم و نگهداری آن ها عموما به طور کاملا جداگانه انجام می شوند. در حالیکه به نظر می رسد تاثیر طراحی اولیه بر شرایط موجود در دوران بهره برداری و تصمیمات اتخاذ شده در فاز ترمیم و نگهداری کاملا غیرقابل انکار است. در این تحقیق با تلفیق دو فاز طراحی اولیه و فاز ترمیم و نگهداری شبکه ها، روش جدیدی برای طراحی و ترمیم توام شبکه های آبرسانی ارائه شده است. این روش که طراحی پویای شبکه های توزیع آب شهری نامیده شده است، قادر به ارائه گزینه های کم هزینه تر و در عین حال مطمئن تر در مقایسه با طراحی و ترمیم جداگانه شبکه هاست. برای این منظور ابتدا یک شاخص اطمینان پذیری جدید بر مبنای منطق فازی ارائه می شود. سپس با توسعه الگوریتم چند هدفه جفت گیری زنبور عسل و به کارگیری آن در طراحی پویای چند معیاره دو شبکه به کار رفته در تحقیقات دیگران، نتایج نهایی به دست می آید. این نتایج نشان دهنده تاثیر مثبت طراحی پویا بر کاهش هزینه ها و همچنین افزایش اطمینان پذیری سیستم می باشد.