INTERNATIONAL CONFERENCE ON WEB RESEARCH | Year:2023 | دوره:8 |Papers Count:19

امروزه با توجه به نقش مهمی که نرم افزار در زندگی ما دارد، بدون استفاده از نرم افزار نمی توانیم بسیاری از خدماتی که به آن ها عادت کرده ایم را دریافت کنیم. کیفیت این خدمات به کیفیت نرم افزاری که آن ها را پیاده سازی می کند وابسته است. معیارهای فراوانی برای سنجش کیفیت یک نرم افزار وجود دارد که هرکدام از جهتی به سنجش کیفیت نرم افزار می پردازد. وجود یا عدم وجود ضدالگوها می تواند معیاری برای سنجش کیفیت نرم افزار باشد. برخی ضدالگوهای شناخته شده با توجه به تأثیرشان بر روی کارایی، اطمینان پذیری و سایر معیارهای مرتبط مطالعه می شوند. یکی از این معیارها خوانایی کد منبع نرم افزار است. سازندگان یک برنامه لزوماً تنها کسانی نیستند که به توسعه آن می پردازند، بدین جهت رعایت نکاتی که فهمیدن چگونگی کارکرد برنامه را برای توسعه دهندگان احتمالی ساده تر می کند ضروری است. این مقاله، به بررسی ضدالگوهای زبانشناختی مرتبط با نام گذاری توابع و ارائه ی راه حل برای رفع خودکار آن ها می پردازد. به ضدالگوهایی که مربوط به نام گذاری اعضای کد منبع نرم افزار هستند ضدالگوهای زبانشناختی گفته می شود. در این مقاله روشی برای تشخیص و رفع خودکار این ضدالگوها به کمک درخت نحو انتزاعی ارائه می شود. سپس روش ارائه شده بر روی کد منبع چند نرم افزار متن باز آزمایش می شود.

حجم انبوه اطلاعات ارسال شده در شبکه های اجتماعی، به دلیل زمینه های کاربردی متنوع که می توان از آنها استفاده کرد، توجه فزاینده ای را به خود جلب کرده است. در واقع، این اجتماعات مجازی کاربران را قادر می سازند تا نظرات خود را بیان کنند و همچنین بر سایر کاربران تأثیر بگذارند. بنابراین، شناسایی تأثیرگذاران کلیدی شبکه اجتماعی و انجمن های تشکیل شده پیرامون یک موضوع، با بهره گیری از روش تحلیل شبکه های اجتماعی، بسیار مهم است. ارتباط میان موجودیت های مختلف در شبکه به درک این مسئله کمک خواهد کرد. در این پژوهش نظرات پیرامون ویروس جدید کرونا در شبکه ی توئیتر مورد بررسی قرار گرفته است. شبکه ی مصور شده، در نرم افزار گفی، توسط یکی از الگوریتم های تشخیص انجمن همچون Louvain مورد بررسی قرار گرفته است. همچنین از الگوریتم های HITS و PageRank برای تجزیه و تحلیل تأثیر انتشار اطلاعات و رتبه بندی موجودیت ها استفاده شده است.

الگوریتم های فرااکتشافی فنون بهینه سازی هستند که با فرایندهای اکتشاف و بهره برداری مکرر از کل فضای جستجو، راه حل بهینه را ارائه می دهند. انتخاب ویژگی نیز یک فرایند مهم و برجسته در حوزه یادگیری ماشین است که باعث کاهش ابعاد داده می شود. این مقاله به بررسی و مقایسه الگوریتم های فرااکتشافیِ الهام گرفته از طبیعت برای انتخاب ویژگی در راستای افزایش دقت پیش بینی خطای نرم افزار می پردازد. پژوهشگران، الگوریتم های فرااکتشافی را به دلیل تنوع و تعدد زیاد، نمی توانند به راحتی و در زمانی کوتاه، به عنوان یک روش مناسب برای تحقیق موردنظر خود انتخاب کنند. در این مقاله سعی شده است با تشریح فنون انتخاب ویژگی و روش های آن، کاربرد الگوریتم های فرااکتشافی در حوزه های مختلف، از قبیل هوش جمعی و روش های دودویی کردن این الگوریتم ها مورد بررسی قرار گیرد. همچنین، با معرفی 18 الگوریتم فرااکتشافی در 6 دسته مختلف و ارزیابی هر کدام از آن ها، یک تحلیل مناسب در اختیار پژوهشگران قرار داده شده است تا به سادگی و با بیش ترین بازدهی بتوانند الگوریتم و روش مناسب کار خود را انتخاب نمایند. در مقالاتی که تاکنون ارایه شده است، الگوریتم های فرااکتشافی تنها از یک جنبه مورد بررسی قرار گرفته اند، در حالی که در این مقاله ضمن مطالعه انواع مختلفی از تحقیقات انجام شده، سعی شده است از جنبه های مختلف مورد بررسی و ارزیابی قرار گیرند.

اینترنت اشیاء پیشرفت های جدیدی را در حسگرها، فناوری های اینترنتی و پروتکل های ارتباطی ایجاد کرده است. حسگرها در شبکه اینترنت اشیا وظیفه مهم جمع آوری اطلاعات از محیطی که در آن قرار دارند را برعهده دارند. این حسگرها با محدودیت های مهمی نظیر منابع محدود انرژی، ذخیره داده، انتقال و قدرت پردازش روبرو هستند. علاوه بر محدودیت های ذاتی در گره های حسگری این شبکه، آنها در برابر انواع تهدیدات امنیتی به دلیل وجود گره های مهاجم و مخرب، آسیب پذیر هستند. در تحقیقات گذشته به موضوع حفظ همزمان انرژی و مسیریابی امن کمتر توجه شده است. بر این اساس در این مقاله، یک پروتکل آگاه از انرژی و امن برای مسیریابی داده ها در شبکه اینترنت اشیا ارائه شده است. این پروتکل با بکارگیری همزمان روش اکتشافی و رمزنگاری منحنی بیضوی دیفی هلمن به خطر افتادن داده را تشخیص می دهد و از آن جلوگیری می کند. ارزیابی انجام گرفته نشان از عملکرد مناسب پروتکل پیشنهادی نسبت به پروتکل های رقیب دارد. نتایج نشان داد که پروتکل موفق شده است معیارهای تعداد بسته های از دست رفته را به میزان 13. 44 درصد، توان عملیاتی را به میزان 86. 55 درصد و تحلیل و میزان مصرف انرژی را 0. 022 درصد برای 250 نود بهبود دهد.

پژوهش حاضر با هدف پیش امکان سنجی فنی و قانونی بکارگیری شبکه های اجتماعی در کتابخانه های عمومی ایران انجام شده است. در این پژوهش، برای پیش امکان سنجی شبکه های اجتماعی در کتابخانه عمومی از روش «تلوس» با تمرکز بر حوزه فنی و قانونی آن استفاده شده است. در گام اول قالب سند پیش امکان سنجی بر پایه مطالعات کتابخانه ای و نیز دو جلسه گروه اسمی تدوین، و در گام دوم، مبتنی بر سه سویه سازی پژوهشگر، سند پایه پیش امکان سنجی ارائه شده است. در نهایت در گام سوم به منظور اعتباریابی سند پایه پیش امکان سنجی بدست آمده، از متخصصان نظرسنجی شد. در این گام مصاحبه نیمه ساختار یافته با نه نفر از متخصصان این حوزه که به شیوه نمونه گیری هدفمند انتخاب شدند انجام و متن سند پایه پیش امکان سنجی شبکه های اجتماعی در کتابخانه های عمومی نهایی شده است. بر پایه یافته های این پژوهش سند پایه پیش امکان سنجی فنی و قانونی شبکه های اجتماعی در کتابخانه های عمومی شامل بخش های 1-معرفی، مزیا و محدودیت ها، 2 – سناریوها، 3-ملاحظات فنی و 4-ملاحظات قانونی است. جزئیات این بخش ها مجموعه مدونی از اطلاعات فنی و قانونی درباره بکارگیری شبکه های اجتماعی را در اختیار مدیران کتابخانه های عمومی کشور قرار می دهد.

روند جاری در حوزه سامانه های کامپیوتری به سمتی پیش می رود که کاربران در عوض راه اندازی خدمات مورد نیاز خود بر روی مراکز داده ی سنتی، آن ها را از ارائه دهندگانی تهیه نمایند که این خدمات را از طریق اینترنت عرضه کرده و وظیفه راه اندازی و نگهداری آن ها را بر عهده می گیرند. این مراکز دارای استخری از منابع هستند که تصویر وجود منابع نامحدود را برای کاربران ایجاد می کند. خدمات این ارائه دهندگان از قابلیت انعطاف بالایی بهره می برند که درنتیجه آن متقاضی می تواند دقیقا منابع متناظر با نیاز خود را دریافت کرده و به همان میزان نیز هزینه پرداخت نماید. با گسترش مراکز داده ابری، نحوه قرارگیری ماشین های مجازی در سیستم های موجود با آگاهی از عواملی مانند امنیت، انرژی و ترافیک داده های انتقالی بین ماشین های مختلف تبدیل به یکی از دغدغه های اصلی این مراکز شده است. این امر به این دلیل است که عدم توجه به این عوامل و استفاده از الگوریتم های تصادفی، حریصانه یا نوبتی هزینه های مالی و امنیتی بالایی برای سرویس دهنده های ابری در بر داشته باشد. در این پژوهش، توانستیم روشی ارائه دهیم تا امنیت و کارایی جانمایی ماشین های مجازی را نسبت به سایر روش های ارائه شده با استفاده از تصمیم دقیق تر و مناسب تری هریک به ترتیب و به طور میانگین به میزان 15٪ و 23٪ بهبود ببخشد.

شناسایی گره های موثر در شبکه های اجتماعی به منظور بیشینه سازی انتشار از اهمیت بالایی برخوردار است. شبکه های اجتماعی، نوعی از داده های گرافی هستند که در آنها هر گره معرف یک فرد و هر یال معرف ارتباط میان دو فرد است. با توجه به آنکه افراد مرتبط در شبکه های اجتماعی، تحت تاثیر یکدیگر هستند و حجم اطلاعات وسیع روزانه توسط کاربران مختلف در شبکه های اجتماعی ارسال می شود، تعیین افراد تاثیر گذار در تولید و انتشار اطلاعات بسیار مهم است. استخراج کاربران موثر، به به صورت مسئله بیشینه سازی انتشار مدل می شود. در این مقاله، یک روش هرس پیشنهاد شده است تا بتوان در گراف کوچکتری به طور کاراتری گره های موثر را شناسایی کرد. بنابراین، پس از استخراج داده های شبکه های اجتماعی، یالهای گراف توسط معیار مرکزیت بینابینی یال وزن دار شده و سپس یالهایی که وزنی کمتر از میانگین دارند هرس شده و با استفاده از معیارهای مرکزیت گره های موثر در گراف هرس شده انتخاب می شوند. به منظور ارزیابی روش پیشنهادی، با استفاده از مدل انتشار آستانه خطی، زمان اجرا و متوسط تعداد گره های فعال شده براساس مجموعه ای از گره های فعال اولیه در مقایسه با الگوریتم های پایه مبتنی بر مرکزیت گزارش شده است. نتایج شبیه سازی حاکی از بهبود نسبی در نتایج بدست آمده است.

امروزه باتوجهبه حجم عظیم دادهها، برای جستوجو میان آنها، ناگزیریم از روشهایی بهره بگیریم که بتوانیم اطلاعات را طبق نیاز خود پالایش کنیم. این چالش در صنعت سینما و سرگرمی نیز به منظور یافتن فیلمها و سریالهایی با موضوعات مشابه و مرتبط درجهت پیشنهاد و کوچک کردن فضای جستوجو برای مخاطبان وجود دارد. بنابراین روشهایی لازم است که بتوانند به نحوی کارآمد فیلمهای مرتبط و دارای موضوعات مشابه را تشخیص دهند و در اختیار کاربران بگذارند. اکثر سرویسهای موجود در این زمینه، بر اطلاعات بدست آمده از کاربران تکیه می کنند و معمولاً محتوای اصلی فیلم، توسط آنها بهکارگرفته نمیشود. این سرویسها از اطلاعاتی مانند سلیقه و نظرات کاربران، یا ویژگیهایی نظیر بازیگران، کارگردان و ژانر فیلم، یا ترکیبی از این دو استفاده می کنند. در این مقاله با استفاده از ویژگی های سطح پایین استخراج شده از زیرنویس ها به تحلیل موضوعی محتوای متنی فیلمها (زیرنویس) پرداخته ایم. به این منظور با بهره گیری از ویژگی های استخراج شده به وسیله الگوریتم LDA و سنجه شباهت کسینوسی، اقدام به ساخت گراف شباهت فیلم ها نموده ایم. در این گراف هر گره معرف یک فیلم و هر یال بیانگر شباهت میان دو فیلم است. در ادامه با استفاده از روش های خوشه بندی برروی گراف فیلم ها توانستیم در خوشه ها، هم بستگی موضوعی قابل توجهی میان فیلم ها بدست آوریم.

هدف پژوهش حاضر، مطالعه میزان اثرگذاری اعضای هیأت علمی رشته علم اطلاعات و دانش شناسی ده دانشگاه سطح اول ایران در موتور جستجوی سمانتیک اسکالر است. پژوهش حاضر پیمایشی است و برای انجام آن از رویکرد علم سنجی استفاده شده است. جامعه آماری پژوهش 53 نفر از اعضای هیأت علمی شناسایی شده در این موتور جستجو در نظر گرفته شد. تجزیه و تحلیل داده ها در سطح آمار توصیفی (نرم افزار اکسل) و استنباطی (نرم افزار اس. پی. اس. اس. ) انجام شد. تحلیل داده ها نیز با آزمون همبستگی اسپیرمن انجام شد. نتایج پژوهش نشان داد که از مجموع استنادهای دریافتی بروندادهای پژوهشی اعضای هیأت علمی به میزان 5 درصد استناد تأثیرگذار هستند و پژوهشگر علی نوروزی تأثیرگذارترین پژوهشگر است. استناد به بروندادهای پژوهشی تأثیرگذار اغلب در قسمت های ابتدایی مقالات و به منظور ارائه حقایق، تعریف ها، مفاهیم و اطلاعات زمینه ای صورت می گیرد. جهت تأثیرگذاری بیشتر ضروری است پژوهشگران در این موتور جستجو حضور فعال داشته و از قابلیت های آن برای دیده شدن استفاده کنند.

با گذشت حدود سه سال از راه اندازی سایت اینترنتی شفاف سازی در شهرداری تهران و سایر شهرها بزرگ ایران با هدف مقابله با فساد مالی و اداری در این سازمان ها می گذرد. شفاف سازی اصولاً با رویکرد داده های باز که از طریق فناوری ها نوین ارتباطی و اطلاعاتی انتشار می یابد نشان از آن دارد که شفاف سازی میتواند یک پدیده رسانه ای تلقی شود. اکنون جا دارد تا تأثیرات این حرکت در فضای مجازی کشور ایران به درستی سنجیده شود تا معلوم شود این سامانه تا چه حدی به اهداف خود رسیده و اصولاً در چه مسیری حرکت می نماید. محور اصلی تحقیق در اینجا شهرداری تهران به مثابه بزرگترین کلان شهر ایران و پایتخت این کشور قرار گرفته است. شناخت سایت های اینترنتی که با این سامانه شفافیت شهرداری تهران پیوند برقرارکرده اند به عنوان نمایندگان گروه های اجتماعی می تواند ما را یاری کند تا تأثیرات این سامانه بر جامعه ایران بهتر بررسی کنیم. این مقاله با روش تحقیق تحلیل پیوندی و با استفاده از نرم افزار وب سنجی به دنبال سنجش آمار سایت های پیوند داده شده با سامانه اینترنتی شفافیت شهرداری تهران بوده است و پس از استخراج آماری این سایت ها آنها را طبقه بندی معنایی نموده تا ویژگی اجتماعی آنها و اهداف مدنظر آنها بهتر شناخته شود. سایت های خبری و سیاسی در این میان بیشترین ارجاع و پیوند را با سامانه اینترنتی شفافیت شهرداری تهران داشته اند و این نشان از اهمیت سیاسی حرکت شفاف سازی در کشور ایران دارد. به طوری که به نظر می رسد این حرکت در ایران بسوی سیاسی شدن پیش رفته است، امری که می تواند با ماهیت شفاف سازی مالی و اداری که امری تخصصی می باشد در تضاد باشد.

انجمن های پرسش و پاسخ امروزه جایگاه بالایی در زندگی تمام افراد یک جامعه دارند. اما نکته مهم برای صاحبان یک انجمن این است که بتوانند این انجمن را بهتر و قابل اعتمادتر کنند. یکی از راه های رسیدن به این مهم این است که کاربرانی را که دانش، تخصص، تجربه و مهارت بیشتری در زمینه های موردنظر دارند و به خوبی می توانند دانش خود را با دیگران به اشتراک بگذارند (که ما به آن ها خبره می گوییم) بیابند و سعی کنند با روش هایی آن ها را ترغیب کنند که بیشتر در سامانه فعالیت داشته باشند. یکی از راه هایی که می تواند مورداستفاده باشد این است که کاربران خبره شناسایی شوند و هرگاه سوال جدیدی پرسیده می شود این پرسش ها را به آن ها پیشنهاد دهیم که زودتر سوال های حوزه تخصصی خود را ببینند و پاسخ دهند. یکی از راه های ترغیب کاربران به ارسال پاسخ ها، استفاده از روش های بازی گونه سازی مانند تخصیص امتیاز و نشان به کاربران است. اما همان گونه که در ادامه خواهیم دید، این روش همیشه به خوبی کاربران خبره را نمایان نمی کند، زیرا برخی کاربران سعی بر این خواهند داشت تا فعالیت های کوچک و کم اهمیت اما پرشماری داشته باشند که باعث خواهد شد امتیاز و نشان های زیادی از آن خود کنند اما در اصل جزو دایره خبرگان نیستند. در این پژوهش روش هایی را که می توان با آن ها خبره های یک سامانه پرسش و پاسخ را یافت بررسی می کنیم و سعی می کنیم تا با ارزیابی و مقایسه این روش ها، استفاده از ایده ها و نقاط مثبت آنها و اضافه کرده ایده های جدید خودمان، به یک روش جدید برای یافتن خبره های واقعی در سامانه StackOverflow برسیم.

توسعه گسترده شبکه های بی سیم و محاسبات ابری مزایای زیادی برای افراد جامعه داشته است. از کاربردهای این شبکه ها می توان در حوزه سلامت و پزشکی را نام برد که شامل شبکه حسگر بی سیم پزشکی است. در این شبکه ها یکی از نگرانی های موجود، امنیت است، در چشم-انداز فعالیت های صورت گرفته در این حوزه موضوع امنیت و حریم خصوصی به عنوان یکی از چالش ها باقی مانده است، و تعداد کمی از طرح های پیشنهاد شده توانسته اند امنیت مطلوبی را داشته باشند. اخیراً، شورسکومار و همکاران یک طرح احراز اصالت برای خدمات پزشکی هوشمند مبتنی بر اینترنت اشیاء و سامانه ابری ارائه کردند و ادعا نمودند طرح آنها در برابر حملات شناخته شده امن است. در این مقاله نشان داده می شود که طرح احراز اصالت شورسکومار و همکاران در برابر حمله ردیابی، حمله نقض یکپارچگی و حمله غیر همزمان سازی آسیب پذیر است. در این مقاله هم چنین امنیت پروتکل احراز اصالت شورسکومار و همکاران توسط ابزار Scyther تحلیل می گردد که درستی حملات ارائه شده را راستی آزمایی می-نماید. هم چنین ما در این مقاله، طرح احراز اصالت شورسکومار و همکاران را با توصیه-هایی بهبود می دهیم، به گونه ای که قادر به برقراری امنیت کامل در برابر حملات فعال و غیرفعال به خصوص حملات ارائه شده در این مقاله باشد.

امروزه با پیشرفت دنیای ارتباطات و ظهور شبکه های اجتماعی، زندگی و تصمیم گیری افراد دستخوش تغییرات زیادی شده است. شبکه های اجتماعی با هدف اطلاع رسانی، توانسته اند نقش بزرگی را در جنبه های مختلف زندگی و تصمیم گیری ها بعمل آورند. در این میان، افراد برای تصمیم گیری مختلف همچون سرمایه گذاری و نوع سهام از شبکه های اجتماعی استفاده می کنند. در این مقاله برای پیش بینی حرکت ارزش سهام روشی مبتنی بر یادگیری عمیق طراحی و توسعه داده می شود. داده ها از شبکه ی اجتماعی توییتر و یاهو مالی به مدت سه ماه، جمع آوری شده اند. ابتدا برچسب گذاری داده های توییتر با اعمال تحلیل معنایی صورت می گیرد و سپس با به کارگیری شبکه ی CNN، طبقه بندی برچسب ها ارزیابی می شوند. داده های ارزش بازار سهام همراه با شاخص احساسات محاسبه شده و توسط حالت های مختلف مدل پیشنهادی LSTM برای پیش بینی روند حرکت ارزش بازار سهام، بررسی می شوند. نتایج حاکی از آن است که شاخص های احساسات و محاسبه دو معیار HLPCT و PCTchange در پیش بینی روند حرکت ارزش بازار سهام با کمترین خطا تاثیر گذار بوده است. نتایج مقایسه با روش های قبلی نشان دهنده برتری روش پیشنهادی در میزان پیش بینی قیمت ها است.

در سال ها ی اخیر با پیشرفت روزافزون هوش مصنوعی و یادگیری ماشین شاهد تحولات بزرگی در زمینه وسایل نقلیه و خودرو های خودران بوده ایم. تشخیص و تفسیر تابلو های ترافیک شهری توسط سیستم های بینایی ماشین می تواند به عنوان یکی از اصول اولیه وسایل نقلیه خودران به بهبود ایمنی عملیات رانندگی کمک بسزایی نماید. تعامل بالا ی وسایل نقلیه خودران با تابلوهای ترافیک در طول حرکت، ایجاد سیستمی با دقت بالا برای تفسیر و تصمیم گیری بی درنگ را چالش برانگیز می کند. در این پژوهش سیستمی طراحی شده است که با استفاده از شبکه های عصبی پیچشی قادر به بازشناسی تابلوهای ترافیکی ایرانی خواهد بود. ما با استفاده از رویکرد یادگیری انتقالی، مدل خود را با یک مجموعه جدید از تصاویر تابلو های ترافیک کشور ایران آموزش خواهیم داد که در شرایطی بهینه به دقت بالایی خواهد رسید.

تجزیه و تحلیل شبکه های اجتماعی با حجم زیادی از داده ها و ساختار ارتباطی پیچیده، فرایند بسیار دشوار و زمان بری است. تشخیص اجتماعات یکی از چالش های مهم در تحلیل شبکه های اجتماعی است. اجتماع در واقع مجموعه ای از افراد یا سازمان ها است که چگالی ارتباطی آن ها با هم بیشتر از سایر موجودیت های شبکه است. تشخیص اجتماعات و یا خوشه بندی می تواند ساختار گروه ها در شبکه ها و یا ارتباطات بین موجودیت ها را آشکار نماید. الگوریتم های انتشار برچسب بر مبنای تاثیر گره همسایه نسبت به الگوریتم های سنتی تشخیص اجتماعات مانند خوشه بندی پیچیدگی کمتری دارند که قادر به شناسایی جوامع همپوشان نیز هستند. در روش پیشنهادی ما که براساس الگوریتم انتشار برچسب بر مبنای تاثیر گره همسایه است، گره های مهم تر با احتمال بیشتری برچسبشان را منتشر می کنند، ضمن اینکه گره های کم اهمیت هم شانس انتشار برچسب را دارند. میزان مشابهت گره ها و تاثیر گره ها در یک شبکه اجتماعی وابسته به پارامتر طول مسیر بین گره ها است. در روش ارائه شده افزایش این پارامتر منجر به شناسایی دقیق تر جوامع همپوشان وپایدار می شود. الگوریتم پیشنهادی با تعداد تکرار کمتر، در نتیجه در زمان کمتر جوامع همپوشان را با همان دقت الگوریتم های قبلی شناسایی می کند. الگوریتم در شبکه های اجتماعی واقعی و مصنوعی با گراف بدون وزن و گراف وزن دار با وزن دهی توسط معیار شباهت جاکارد پیاده سازی شده است، که در همه آن ها زمان اجرا بهبود یافته است.

ویروس کووید19 که یک گونه جهش یافته از خانواده کروناویروس می باشد که در مارس 2020 توسط سازمان جهانی بهداشت همه گیر اعلام شد و از آنگاه تا به امروز جهان را در وضعیت قرمز بهداشتی قرار داده است. میزان مرگ و میر حاصل از ابتلا به این ویروس در ابتدای سال 2022 نزدیک به شش میلیون نفر ثبت شده است. تا کنون روش های متعددی برای تشخیص ابتلا فرد به این ویروس معرفی گردیده است که عمدتا دسترسی به آنها سخت بوده و البته برخی از این روش ها بسیار زمان بر هستند. از این رو ارائه یک سرویس هوشمند تحت وب که هدف اصلی این پژوهش می باشد بسیار ضروری می باشد به ویژه اینکه این سرویس از بروز ترین تکنیک های یادگیری عمیق برای تشخیص ابتلا فرد به بیماری کووید19 از طریق بررسی عکس رادیولوژی قفسه سینه استفاده می کند. در این مقاله، از رویکرد یادگیری عمیق بهره گیری شده و مدل الکسنت در این فرایند مورد استفاده قرار می گیرد. داده های بکار گیری شده در این پژوهش شامل 8840 عکس قفسه سینه که نیمی از آن مربوط به افراد بدون درگیری ویروس کووید19 بوده و نیمی دیگر مربوط به بیماران مبتلا به ویروس کووید19 می باشد. مدل با دستیابی به 99. 26 درصد دقت در تشخیص و 95 درصد ضریب حساسیت و ویژگی 99. 7 درصدی، نشان داد بسیار قابل اطمینان می باشد.

با همه گیر شدن تلفن های همراه هوشمند، راهکارهای هوشمند برای مسائل مختلف ارائه شده است. امروزه، با توجه به حجم زیاد تبلیغات محیطی، تاثیر آن بر مخاطب کاهش پیدا کرده است. تلفن های هوشمند به دلیل امکان شخصی سازی، ابزار مناسب و جدیدی برای نمایش و افزایش اثرگذاری این نوع تبلیغات می باشد. تبلیغات محیطی در خارج از خانه ی مخاطب و در محل حضور وی در مکان های بسته ای مانند فروشگاه ها و به صورت آنی، در تلفن همراه کاربر نمایش داده می شود. یکی از چالش های موجود، محاسبه ی مکان دقیق کاربر به دلیل عدم کارکرد صحیح GPS در مکان های بسته می باشد. در این مقاله، راهکاری جهت نمایش تبلیغات محیطی هوشمند به کاربر، در قالب یک سرویس مبتنی بر مکان، ارائه شده است. روش پیشنهادی شامل راه حلی برای مبارزه با نویز و نوسان سیگنال ها، ارسال و دریافت اطلاعات از طریق دستگاه های بیکن مجهز به تکنولوژی بلوتوث کم مصرف (BLE) و در نهایت ساخت یک مدل کارآمد با استفاده از الگوریتم یادگیری ماشین درخت تصمیم است. با توجه به نتایج پیاده سازی، مکان یابی داخلی با دقت 1 متر و 13 سانتی متر در محدوده ی مشخص شده و فقط با 8 دستگاه بیکن حاصل شده است و در 98 درصد مواقع، نقطه ی پیش بینی شده صحیح است.

تصاویر دریافتی همواره در معرض نویز قرار دارند. یک نمونه بارز نویز، نویز فلفل نمکی است که براثر اغتشاش کانال بر یک تصویر خاکستری وارد می شود. این مقاله یک روش نوین برای حذف نویز فلفل نمکی با استفاده از فیلترهای ریسز ارائه می کند. ابتدا مفاهیم اساسی توضیح داده شده و پارامتر میانگین ریسز معرفی می شود. سپس جهت کاهش اثر نویز، الگوریتمی بر پایه میانگین ریسز پیشنهاد می شود که توانایی بالایی در حذف نویز فلفل نمکی دارد. الگوریتم پیشنهادی بر چند تصویر خاکستری نمونه اعمال و نتایج بصورت کمی و کیفی ارائه می گردد. دو معیار شباهت ساختاری و بیشینه نسبت سیگنال به نویز در این مقاله مورد توجه قرار گرفته است و نتایج با چهار روش مرسوم که اخیراً در این زمینه گزارش شده اند، مقایسه می شود. نتایج شبیه سازی حاکی از آن است که الگوریتم پیشنهادی از نظر کمی نسبت به سایر الگوریتم های مطرح در این زمینه، شاخص های بالاتری را کسب می کند و از نظر کیفی عملکرد بهتری نسبت به حذف نویز دارد.

رمزارز بیت کوین در بازه زمانی کمی، توانسته کسب و کارها و اقتصاد جهانی را تا حدود زیادی متحول کند. رشد و بقای هر کسب و کار دردنیای رقابتی امروز، به فاکتورهای اقتصادی، سیاسی، اجتماعی، تکنولوژی، قانونی و زیست محیطی وابسته است. توسعه ی موفق استفاده از رمزارزها در کسب وکارها مستلزم تجزیه و تحلیل موشکافانه ی این عوامل و دستیابی به یک برنامه استراتژیک کاربردی است. در این پژوهش، عوامل داخلی( نقاط قوت و ضعف) و عوامل خارجی ( فرصت ها و تهدیدها) اثرگذار بر استفاده از بیت کوین در کسب و کارها به کمک گزارش ها، مقالات و مستندات موجود شناسایی شده و به کمک روش های تحلیل راهبردی کیفی و کمی SWOT و QSPM راهبردهای توسعه آن استخراج شده است. سه مورد از مهم ترین راهبردهای توسعه ی حاصل خروجی این مقاله از بین پنج مورد بدست آمده، شامل تاکید بر توسعه زیرساخت های تولید بیشتر بیت کوین و توسعه زیرساخت های سیستم های مالی غیرمتمرکز مبتنی بر بلاکچین و قراردادهای هوشمند و نیز توسعه قوانین لازم برای انجام مبادلات مبتنی بر بیت کوین می باشند.