کنفرانس ملی سالانه انجمن کامپیوتر ایران
سال:1382 | دوره:9 |تعداد مقالات:103

ماده سفید، ماده خاکستری و مایع مغزی - نخاعی از اجزاء اصلی تشکیل دهنده مغز انسان هستند. حداسازی خودکار بافت های مغزی به دلیل اهمیت آناتومی و فیزیولوژیک این بافت ها، بسیار مهم و حیاتی است. عمل جداسازی بافت های مغزی، معمولا بر روی تصاویر تشدید مغناطیسی انجام می شود. در این مقاله روشی بر اساس الگوریتم توسعه یافته بیشینه سازی امید ریاضی و به کمک تبدیل موجک ها به صورت مالتی رزولوشن، برای جدا سازی خودکار سه جزء اصلی تشکیل دهنده مغز انسان از روی تصاویر تشدید مغناطیسی ارائه شده است. از آنالیز مالتی رزولوشن برای بهبود نتایج استفاده شده است. به منظور ارزیابی عملکرد روش از حدود 4000 تصویر ساختگی و واقعی استفاده شده است.

در ارسال اطلاعات با روش (Synchronous Digital Hierarchy) SDH امکان وجود اختلاف فرکانسی بین دو بخش فرستنده و گیرنده وجود دارد. برای جبران اختلاف فرکانسی در بخش اتصال صلیبی در پردازشگر Payload واحدهایی به نامهای «مفسر اشاره گر» و «مولد اشاره گر» وجود دارد که ضمن استخراج اشاره گرهای (Tributary Unit) TU از خطوط ورودی، آنها را تفسیر و سپس اشاره گر جدید تولید می شود. در این مقاله دو واحد «مفسر اشاره گر» و «مولد اشاره گر» در واحد جدیدی بصورت ماشین حالتی متشکل از هشت حالت ارائه شده است. این واحد پیشنهادی با نام «پردازشگر اشاره گر» پس از عمیات سنتز از لحاظ ابعاد، تعداد سلولها، توان مصرفی و بار ناشی از خطوط با مجموع «مفسر اشاره گر» و «مولد اشاره گر» مقایسه شده است. نتایج این مقایسه نشان می دهد که خصوصیات روش پیشنهادی نسبت به روش پیشین بهبود یافته است.

این مقاله یک الگوریتم فازی برای حل مسائل بهینه سازی ترکیباتی ارائه می دهد. قلب مدلسازی فازی در این روش یک میان گذاری فازی است که شامل تعیین دقت بوده و دو نوع اطلاعات متفاوت برای تعریف کردن یکسری زیر سیستم های تک ورودی - تک خروجی یک سیستم نامشخص به ما می دهد. ورودی بر اساس یک تکنیک از پیش تعیین شده حدس زده می شود. رفتار سیستم بصورتیک منحنی مطابق با ورودی مذکور بررسی و مشخص می شود. این منحنی ها از فیت کردن منحنی های فازی بر نفاط داده بدست می آیند. منحنی های رفتار به سه صورت ذخیره میشوند. اولی ژئومتریکال دومی و سومی از این شبکه عصبی به عنوان کد کننده تخمینی خطی استفاده میکند. همگرایی کد کننده تخمینی خطی، حوزه توابع عضویت را تعیین می کند. قوانین استنتاجی از مشاهده دقت رفتار تک ورودی، با استفاده از یک روش فازی استخراج می شود. قانون ترکیبی جدید بوده و رفتار سیستمهای تک ورودی - تک خروجی را ترکیب کرده تا مدل سیستم را بدست آورد. پیشنهاد ما نویز را به خوبی حذف می کند، ورودی های با اهمیت را تشخیص می دهد و سیستم های پیچیده تر غیر خطی را بایک سری قوانین خیلی ساده بیان می کند.

در سالهای اخیر رویکرد جدیدی به منظور حل مشکلات الگوریتمهای تکاملی بویژه الگوریتمهای ژنتیکی مورد توجه محققین قرار گرفته است. این رویکرد مبتنی بر ایجاد مدلهای احتمالاتی از ژنومها و اجزای سازنده آنها می باشد. تا کنون الگوریتمهای متنوعی بر این اساس ارائه شده اند که اگر چه برخی از سادگی الگوریتمهای ژنتیکی برخوردار نیستند، اما در حل مسائل با موفقیت بیشتری روبرو بوده اند. در این مقاله رهیافت دیگری از این الگوریتمها را بر اساس اتوماتای یادگیر معرفی و مورد بررسی قرار می دهیم. در این رهیافت مدل احتمالاتی اجزای سازنده مساله بوسیله اتوماتای یادگیر و بر اساس ژنومهای نسل تولید شده تخمین زده می شود. الگوریتم پیشنهادی بسیار ساده و برای مسائل مورد بررسی در این مقاله دارای کارایی خوبی می باشد.

پارادایم کارگزار تحولی جدید را در مهندسی نرم افزار ایجاد کرده است تا بتوان پیچیدگی بیشتری را در حوزه نرم افزار تحلیل و مدیریت کرد. اینترنت با حالت توزیع شدگی، ناهمگونی و باز بودن محیط محاسباتی اش، چالشهای جدیدی را فراروی متدولوژیهای مهندسی نرم افزار و از جمله متدلوژیهای کارگزار نگر نهاده است. با ترکیب ایده های نوین و تجارب موفق موجود در مهندسی نرم افزار و روشهای هوش مصنوعی، سیستمهای مبتنی بر کارگزار توان بالقوه فائق آمدن بر پیچیدگیهای اینترنت را دارند. در مقاله حاضر سعی شده است تا از روشهای موجود کارگزارنگر برای مدلسازی، تحلیل و طراحی کاوشگرهای وب استفاده شود که جزء سیستمهای جمع آوری اطلاعات از اینترنت و از اصلی ترین اجزاء جویشگرها محسوب می شوند. به علت ماهیت توزیع شدگی و رشد نمایی وب، در این سیستم از «حیات مصنوعی» و یک اکوسیستم از کارگزارها استفاده شده است تا بتوان از هماهنگی و مکانیزم «هوش گروهی» برای کاوش کارا و موثر استفاده کرد.

تفکیک دانشجویان کلاسهای پرجمعیت (کلاسه بندی) یکی از مسائل مهم برنامه ریزی هفتگی دروس دانشگاهی می باشد. در این مقاله الگوریتم جدیدی در تفکیک دانشجویان ارائه شده، که در آن با یک نمایش جدید بیتی داده ها و معیارهای خوشه بندی، جداسازی مناسب دانشجویان انجام گردیده است. این تفکیک باعث کاهش میزان تداخل دروس دانشجویان در برنامه هفتگی می شود. ابتدا با استفاده از خوشه بندی –K میانگین فازی دانشجویان به k دسته تقسیم می شوند. سپس با توجه به معیارهای میزان دور بودن مر اکز خوشه ها، میزان متراکم بودن هر خوشه، میزان هم ورودی بودن دانشجویان هر خوشه و نسبت ابعاد خوشه ها و با استفاده از یک تابع فازی، ارزش خوشه بندی تعیین می شود. با انتخاب ویژگی های (دروس) مناسب، بهترین تفکیک دانشجویان بدست می آید (بر اساس تابع فازی پیشنهادی و خوشه بندی فازی). برای نشان دادن کارائی الگوریتم پیشنهادی، برنامه ریزی هفتگی دروس دانشجویان با الگوریتم ژنتیک انجام شده است. با اعمال الگوریتم پیشنهادی، روی مجموعه ای از داده های واقعی، نسبت به فرم خوشه بندی بر اساس سال ورود، تعداد تداخلات درسی بطور متوسط %8 کاهش یافته است. شیوه جدید ارائه شده می تواند در بسیاری از الگوریتم های مساله برنامه ریزی دروس هفتگی مورد استفاده قرار گیرد.

خوشه بندی در زمینه بازیابی اطلاعات به صورت گسترده ای در سالهای اخیر با هدف بالا بردن سرعت و کارایی سیستم مورد استفاده قرار گرفته است. ارتقاء کارایی سیستم بر پایه این فرضیه استوار است که اسناد مرتبط با یک پرسش خود شبیه یکدیگر هستند و انتظار می رود که در عمل خوشه بندی در یک خوشه قرار گیرند. جهت عمل خوشه بندی یک معیار شباهت مورد نیاز است که با آن بتوان شباهت دو سند را اندازه گرفت. معیارهای شباهت ایستا مانند کوسینوس، شباهت دو سند را بدون توجه به پرسش کاربر محاسبه می کنند و در نتیجه شباهت دو سند تحت پرشس های مختلف کاربر یکسان خواهد بود. معیارهای شباهت حساس به پرسش (Query sensitive similarity Measures) سعی در آشکار کردن شباهت دو سند تحت یک پرسش خاص را دارند. در این مقاله یک معیار شباهت حساس به پرسش ارایه شده است که با استفاده از چندین مجموعه اسناد استاندارد در زمینه بازیابی اطلاعات مورد ارزیابی قرار گرفته است و کارایی آن با معیار شباهت ایستا که به پرسش توجهی ندارند و همچنین با معیارهای شباهت حساس به پرسش ارایه شده توسط سایر محققان، مقایسه شده است. نتایج آزمایش ها، نشان دهنده پیشرفت قابل ملاحظه معیار ارایه شده است. بر اساس این نتایج انتظار می رود که استفاده از این معیار پیشنهادی، باعث افزایش کارایی سیستم های بازیابی اطلاعات مبتنی بر خوشه بندی شود.

این مقاله به بررسی مساله تثبیت دنباله تصاویر تهیه شده توسط یک دوربین متحرک، بعنوان ورودی یک سیستم ردگیری اشیاء متحرک، می پردازد. تثبیت دنباله تصاویر، به معنی حذف اثر حرکت دوربین از یک دنباله تصاویر است که با استفاده از روشهای تطبیق تصاویر انجام می شود. در سیستمهای ردگیری اشیاء متحرک، که دنباله تصاویر ورودی آنها توسط یک دوربین متحرک تولید می گردد، تثبیت دنباله تصاویر بعنوان یک مرحله پیش پردازش الزامی است. روش تطبیق پیشنهادی، در دسته روشهای مبتنی بر ناحیه قرار دارد و از ویژگیهائی نظیر ثابتهای گشتاوری و وضعیت شیء بهره می برد. اساس کار روش پیشنهادی به اینصورت است که یک ناحیه دایره شکل از فریم قبلی انتخاب شده و همین ناحیه در فریم فعلی مکان یابی می گردد. برای مکان یابی این ناحیه در فریم فعلی، یک تابع فاصله پیشنهاد می شود. روش تطبیق پیشنهادی، نسبت به روشهای سنتی، مانند روشهای تطبیق مبتنی بر همبستگی دارای کارائی بیشتری می باشد. نکته قابل توجه در روش پیشنهادی، قدرت آن در حذف اثر چرخش دوربین از دنباله تصاویر با کارائی بالا است.

در سالهای اخیر فعالیتهایی در زمینه یادگیری هستان شناسی انجام و روش ها، متدولوژی ها، ابزارها و سیستم های مختلفی نیز ارائه شده اند. این سیستم ها با داشتن وجوه مشترک بسیار از ابعاد مختلف با هم متفاوتند. در این مقاله با دسته بندی عوامل افتراق سیستمهای یادگیر هستان شناسی به معرفی چارچوبی شامل شش بعد اصلی برای مقایسه و ارزیابی این سیستم ها می پردازیم. هدف از پیشنهاد این چارچوب ارائه راهنمایی هایی برای محققین و کاربران هستان شناسی در جهت انتخاب صحیح یکی از ابزارها و یا سیستم های یادگیر موجود و یا ارائه راهکاری برای ساخت یک سیستم یادگیر با ویژگی های متناسب با نیازشان می باشد.

مدل مخلفی مارکف یکی از روشهای پر استفاده در بازشناسی گفتار است و در اغلب موارد کارایی خوبی از خود نشان داده است. استفاده از شبکه عصبی نیز در سیستم های شناسایی الگو متداول می باشد و در بازشناسی گفتار نیز بکار گرفته شده است. از آنجایی که هر یک از این دو روش دارای نقاط ضعف و قوتی می باشند، به منظور بهره گیری از نقاط قوت مدل مخفی مارکف و شبکه های عصبی، یک مدل هیبرید متشکل از مد مخفی مارکف پیوسته و شبکه عصبی نگاشت خودسازمانده برای مدل کردن واجها پیاده سازی و برای بازشناسی گفتار پیوسته مورد استفاده قرار داده ایم و توانسته ایم با استفاده همزمان از بردارهای وزن شبکه عصبی و توابع چگالی احتمال مدل مخفی مارکف، راندمان سیستم هیبرید را نسبت به سیستمی که تنها با استفاده همزمان از بردارهای وزن شبکه عصبی و توابع چگالی احتمال مدل مخفی مارکف، راندمان سیستم هیبرید را نسبت به سیستمی که تنها از مدل مخفی مارکف استفاده شده است، بطور متوسط تا حدود 1.6 درصد بهبود بخشیم. در سیستم هیبریدی که برای بازشناسی گفتار پیوسته و مستقل از گوینده زبان فارسی پیاده سازی نمودیم در بهترین حالت و بدون استفاده از مدل های زبانی دقت 56.8 درصد را در سطح جمله بدست آورده ایم.

طی بیست سال اخیر که از طرح مباحث نوآوری و فناوری می گذرد، رویکردهای ویژه ای پدید آمده است. در پاره ای از رویکردها، به مجموعه پارامترها و روابط و تعاملات بین آنها به صورت یک سیستم پرداخته می شود. از پارامترهای مهم در این مجموعه، مباحث پارکهای فناوری و مراکز رشد هستند که در کشورهای مختلف، تابع شرایط خاص خود می باشند. بحث مراکز رشد در کشورهای مختلف از زاویا و دیدگاههای مختلفی مورد بحث قرار گرفته است. یکی از دیدگاهها افزایش و توسعه نوآوری بوده است که منجر به ایجاد یک مجموعه از شرکت های کوچک و متوسط شده است. شرکتهای کوچک و متوسط در رشد و شکوفائی اقتصاد کشورها بلاخص کشورهای در حال توسعه ،جایگاه حیاتی داشته و این شرکتها برای اینکه بتوانند در بازار رقابتی از مزایای فناوری اطلاعات بهره ببرند، باید در این زمینه بدرستی عمل کنند. در مقاله حاضر پس از معرفی شرکتهای کوچک و متوسط و مراکز رشد و بررسی ویژگیهای آنها به بررسی اهداف و چالشهای مراکز رشد در ارتباط با شرکتهای کوچک و متوسط میپردازیم.

با توجه به نقش مهم ابرها در کاربردهایی نظیر شبیه سازهای پرواز، بصری سازی اطلاعات هواشناسی، پیش بینی وضع آب و هوا و صحنه های ایجاد شده از فضای آزاد، اخیرا شبیه سازی و بصری سازی ابرها در گرافیک کامپیوتری مورد توجه قرار گرفته است. روش های بصری سازی ابرها با توجه به حجم ابر ایجاد شده، تکنیک های ایجاد، مقدار جزئیات و زمان پردازش به دسته بندی های متفاوتی تقسیم می شوند. اما چون تقریبا تمامی این روش ها برای بصری سازی ابر به زمان پردازش زیاد و حجم قابل توجه داده، نیاز دارند، برای کاربردهای تحت وب مناسب نمی باشند. در این مقاله با استفاده از امکانات استاندارد VRML که امکان ایجاد صحنه های گرافیک سه بعدی با زمان پردازش و حجم کم را ممکن می سازد، روشهایی برای بصری سازی ابرها روی وب ارائه می دهیم. این روش ها در قالب گره جدیدی تعریف می شوند که به استاندارد VRML اضافه می گردند.

تلفن های اینترنتی به دلیل ارزان بودن، امکان استفاده بهینه از پهنای باند، پیاده سازی راحتتر سرویسهای جدید و .... امروزه در سراسر دنیا مورد توجه قرار گرفته اند. برای پیاده سازی تلفن اینترنتی سیستم را به دو بخش سیگنالینگ و ارسال رسانه می توان تقسیم بندی کرد. در بخش سیگنالینگ یکی از پروتکل های مطرح، پروتکل SIP می باشد. در این مقاله نحوه پیاده سازی تلفن اینترنتی مبتنی بر این پروتکل توضیح داده شده است. قسمتهای پیاده سازی شده عبارتند از: ارسال ویژگیهای صوت از طریق SDP، مراحل کلی ثبت مکالمه، ارسال صوت برای چند مکالمه از طریق پروتکل RTP، تائید هویت Gateway ها با سرور، ارسال فکس و فایل، ارسال صوت از طریق بلندگو و خط E1، ارسال اطلاعات ISUP در بدنه پیغام SIP (بدون تبدیل)، تبدیل پیغامهای ISUP به SIP، پیاده سازی Proxy Server، پیاده سازی بخش محاسبه هزینه و فشرده سازهای صوت.

امروزه سیستم های چند عامله مورد توجه بسیاری از محققان قرار گرفته است. همچنین به عقیده بسیاری، یادگیری از ملزومات و نشانه های هوشمندی در سیستم است. در ا ین مقاله، یادگیری در سیستمی که عاملها در آن وظیفه عطفی دارند مطرح و بررسی می شود. این تحقیق مقدمه ای در راستای بررسی مساله یادگیری در وظایف ترکیبی عطفی و فصلی می باشد. این بررسی در محیطی که چند ربات می خواهند یک جسم را مهار کنند، صورت می پذیرد. انتخاب محیط مهار اشیا، به دلیل کاربردی بودن و همچنین توسعه پذیری آن به وظیفه ترکیبی عطفی و فصلی صورت پذیرفته است. در این تحقیق، عاملها فقط با استفاده از اطلاعات محلی و بدون هیچ ارتباط پیامی با هم، گرفتن جسم را یاد می گیرند. اطلاعات سراسری نهفته در تغییر حالت محیط است که عاملها آن را به عنوان اطلاع محلی درک می کنند. در این مقاله بستار ساختاری غیرفعال برای جسم صلب بررسی می شود. آزمایشات اولیه برای مهار یک مستطیل در دو بعد با استفاده از یادگیری تقویتی انجام شده است. نتایج بدست آمده در این تحقیق راه گشای ادامه پژوهش در این زمینه خواهد بود.

اغلب برنامه هایی که طراحی آن ها بر مدل شی گرا مبتنی است، از داده های موجود در یک پایگاه داده رابطه ای استفاده می کنند. ازاین رو، لازم است که پرس و جوهای شی گرا به معادل رابطه ای خود ترجمه شوند. برای نیل به این هدف، در این مقاله، به کمک یک معماری دو مرحله ای، ابتدا مدلی شی گرا معادل با پایگاه داده رابطه ای موجود ایجاد می شود. به این ترتیب در حالی که داده هم چنان در پایگاه داده رابطه ای باقی مانده است، کاربر پرس و جوی خود را به زبان شی گرا و بر روی پایگاه داده شی گرای ایجاد شده می نویسد. در مرحله بعد کافی است پرس و جوی کاربر به معادل رابطه ای آن ترجمه شده، به پایگاه داده رابطه ای اولیه اعمال گردد. برای ترجمه پرس و جوی شی گرا به معادل رابطه ای آن، از مدل استانداردF_Logic ، به عنوان پایه مفاهیم زبان های پرس و جوی شی گرا، استفاده شده است.

در این تحقیق با استفاده از فیلترهای گابور، روشی برای استخراج ویژگی های مناسب از تصویر متن و بازشناسی قلم آن ارائه شده است. روش پیشنهادی روی مجموعه ای شامل 1000 زیر - تصویر از 20 قلم متداول فارسی آزمایش شده است. برای طبقه بندی از طبقه k همسایه نزدیکتر استفاده شده است. نتایج آزمایش، متوسط نرخ طبقه بندی صحیح برای مجموعه آزمایش را معادل %98.7 نشان می دهد که مناسب بودن روش پیشنهادی برای بازشناسی قلم را تایید می کند.

سیستمهای همتا به همتا (ه.ب.ه) سیستمهای توزیع شده ای هستند که دارای کنترل غیر متمرکز، مقیاس بزرگ، ناهمگونی و پویایی بالا در محیط عملیاتی خود می باشند. برای توسعه کاربردهایی با این ویژگیها مسائلی چون تطبیق پذیری، توازن بار و خود سازماندهی بعنوان اصلی ترین مسائل مطرح اند. سیستمهای سازگار پیچیده (س.س.پ) که در علوم اجتماعی و بیولوژیک مورد توجه اند می توانند پاسخی مناسب به این نیازمندیها باشند. در این مقاله یک سیستم چند عاملی برای توازن بار در رایانش ه.ب.ه پیشنهاد شده است. این سیستم که یک نوع س.س.پ است، از انبوهی از عاملهای خود مختار (در اینجا عاملهای مورچه مانند) تشکیل شده است. نتایج آزمایشهای صورت گرفته نشان می دهد که سیستم چند عاملی پیشنهادی توانایی توازن بار و تطبیق پذیری دارد.

گریدهای رایانشی مدل جدیدی برای توسعه رایانشهای موازی سنگین می باشد که هدف آن ایجاد یک ابررایانه انتزاعی با استفاده از منابع آزاد در شبکه های گسترده برای بسترهای نامطمئن (چون اینترنت) می باشد. از آنجاییکه در گریدهای رایانشی بستر ارتباطی و موجودیت منابع بسیار پویا است لذا مدیریت منابع از جمله توازن بار از مسائل مهم می باشد. در این مقاله یک الگوریتم توازن بار مبتنی بر کلونی مورچه ها بنام امتیازدهی پیشنهاد شده است. در الگوریتم پیشنهادی، زمان جستجوی مورچه ها برای یافتن منابع مناسب کاهش یافته و در نتیجه توانایی سیستم گرید برای توازن بار افزایش می یابد. با انجام چند شبیه سازی، کارایی الگوریتم پیشنهادی نسبت به دو الگوریتم دیگر گزارش شده که هر دو مبتنی بر کلونی مورچه ها می باشند، نشان داده شده است.

مساله «تاکردن خط کش» به این صورت است که می خواهیم یک دنباله به هم پیوستن از پاره خط های با طولهای دلخواه را که از محل اتصالشان قابل تا شدن هستند را طوری در فضا d بعدی تا کنیم که همه پاره خطها در راستای یک محور از محورهای مختصات باشند. همچنین یک مشخصه خاص از کوچکترین جعبه ای که می تواند این خط کش را در خود جا دهد، نظیر مساحت یا محیط در فضای دو بعدی یا حجم در فضای سه بعدی کمینه گردد. این مساله حتی برای d=1 جزو مسائل NP-Complete محسوب می شود. تنها الگوریتم شبه چند جمله ای که تا به حال برای حل این مساله وجود داشت، فقط برای حالت d=1 و دارای پیچیدگی زمانی و حافظه O(n.L2) می باشد. در این مقاله الگوریتیم شبه جمله ای با استفاده از روش برنامه سازی پویا جهت حل این مساله در حالت کلی بیان گردیده است که دارای زمان O(n.d.Ld) و حافظه مصرفی O(n.Ld) است که در آن n تعداد قطعات خط کش و L طول بزرگترین قطعه می باشد. علاوه بر این نشان میدهیم که الگوریتم ارائه شده را می توان با تغییرات اندکی در پارامترهای آن برای حل انواع دیگری از مسائل مربوط به همین موضوع استفاده کرد.

در این مقاله یک شبکه عصبی RBF گونه متشکل از نورونهای اسپایکی، با یک ساختار و روش یادگیری جدید معرفی می شود. با در نظر گرفتن اتصالات تاخیری سیناپسی تکی بین نورونهای ورودی وRBF ، یک روش یادگیری بدون نظارت بر اساس انتقال این تاخیرهای سیناپسی و بهنگام کردن مقادیر تاخیرها بجای وزنهای سیناپسی ارائه شده است، بنحوی که شبکه قادر به خوشه بندی داده ها می باشد. هر اتصال سیناپسی در شبکه با یک آتاماتون یادگیر مدل شده است. عمل آتاماتون در هر لحظه مقدار تاخیر سیناپس مورد نظر در آن لحظه محسوب می گردد. یک روش یادگیری ترکیبی جدید مبتنی بر آتاماتونهای یادگیر برای این ساختار ارائه شده که در آزمایشها بر روی مجموعه داده های با ابعاد کوچک و بزرگ نتایج مناسبی نشان داده است. بعلاوه روش پیشنهادی مشکلات روشهای مشابه قبلی را با ساختاری ساده تر و هزینه اندک برطرف ساخته است.

تحلیل تفاضلی روشی متداول برای ارزیابی الگوریتم های رمز قطعه ای است. جهت یافتن بهترین مشخصه تفاضلی در یک الگوریتم رمز، مدل بازنمایی عملکرد تفاضلی الگوریتم رمز قطعه ای توسط مولف ارائه شده است. توسط این مدل، الگوریتم رمز مورد نظر با یک گراف جهت دار وزن دار بازنمایی می شود و یافتن بهترین مشخصه تفاضلی معادل یافتن کوتاهترین مسیر بین دو گره مشخص در گراف حاصل است. در این مقاله، شبکه عصبی هاپفیلد برای یافتن بهترین مسیر در گراف حاصل از بازنمایی الگوریتم رمز قطعه ای بکارگرفته شده است. مقایسه نتایج حاصل از بکارگیری مدل بازنمایی عملکرد تفاضلی در این مقاله با مشخصه های منتشر شده از الگوریتم رمز سرپنت در مقالات دیگر نشان می دهد در شش مورد نتایج حاصل از بکارگیری مدل بازنمایی عملکرد تفاضلی بهتر از نتایج منتشر شده در مقالات دیگر است و در دو مورد احتمال مشخصه تفاضلی بدست آمده برابر احتمال مشخصه های نظیر در مقالات دیگر می باشد. نتایج بدست آمده در این مقاله در مقایسه با مشخصه های منتشر شده در مقالات دیگر نشان دهنده کارایی مدل بازنمایی عملکرد تفاضلی در طراحی حمله مبتنی بر تحلیل تفاضلی است.

الگوریتمهای زیادی در گذشته برای شناسایی رادارهای پالسی ارائه شده است که برای مقایسه هر کدام از آنها با یکدیگر از دو مشخصه حجم عملیات و توانایی آنها در شناسایی تکنیکهای مختلف رادار استفاده شده است. در این مقاله الگوریتمی که MFTS نامگذاری شده، ارائه شده است که در مقایسه با روشهای دیگر حجم عملیات کمتر و توانایی بهتری در شناسایی تکنیکهای مختلف راداری دارد. در این الگوریتم از فرم اصلاح شده تبدیل فوریه و جستجوی ترتیبی استفاده میشود بصورتی که با استفاده از فرم اصلاح شده تبدیل فوریه PRI های ممکن و همچنین فاز متناسب با هر PRI استخراج می شود و سپس با استفاده از جستجوی ترتیبی از بین PRIهای داوطلب PRI های درست تشخیص داده می شود. بررسی های بعمل آمده کارایی الگوریتم MFTS را در شناسایی تکنیکهای مختلف راداری اثبات می نماید. ضمنا حجم محاسبات این الگویتم 1.753N2 است که علاوه بر کمتر بودن نسبت به روشهای قبلی دارای ماهیت انجام بصورت موازی می باشد.

یکی از مهمترین مشکلات برنامه ریزی در هوش مصنوعی، کند بودن فرایند برنامه ریزی است. در طی ساله های گذشته تلاش های زیادی برای حل این مشکل انجام گرفته که از آن جمله می توان به روش های مکاشفه ای در برنامه ریزهای جلو رو اشاره نمود. در این مقاله روش نوینی جهت استفاده از تکنیک های یادگیری ماشین برای بهبودکارایی برنامه ریزی و طراحی یک تابع مکاشفه ای مبتنی بر یادگیری ارائه شده است. از آنجایی که یک برنامه از حالت اولیه، حالت نهایی و چند حالت میانی تشکیل شده، استفاده از کنش های قابل اعتماد در هر حالت مساله و یادگیری ترتیب آن ها مهمترین بخش روش ارایه شده مسحوب می شود.

استفاده از مکانیزمهای کنترل پذیرش درخواست روشی متداول برای برقراری کیفیت سرویس در شبکه های سلولی بشمار می رود. در این مقاله دو الگوریتم پویای پذیرش درخواست پیشنهاد شده است. الگوریتم نخست مبتنی بر اتوماتای یادگیر و الگوریتم دوم یک الگوریتم جستجوی تصادفی می باشد. هر دو الگوریتم پیشنهادی بدون نیاز به اطلاع از توزیع ترافیک شبکه عمل می کنند و بهمین علت می توان از آنها در مواقعی که ترافیک متغیر است، نیز استفاده کرد. نتایج شبیه سازی کامپیوتری نشان می دهد که با رعایت یک حداکثر برای احتمال قطع درخواستهای تحویل کانال، احتمال رد درخواستهای جدید با استفاده از الگوریتم های پیشنهادی کمتر از دو الگوریتم گزارش شده کانال احتیاط و جمع وزنی است.

در این مقاله یک هسته محاسباتی برای پیاده سازی کد کننده صحبت GSM AMR متناسب با معماری قابل بازپیکربندی Morphosys ارائه شده است. ابتدا کد کننده، بصورت نرم افزاری پیاده سازی شده و پیچیدگی محاسباتی آن برآورد می شود. سپس با توجه به بالا بردن کارایی کد کننده، هسته محاسباتی سخت افزاری پیشنهاد می گردد. جهت پیاده سازی مدل پیشنهادی معماری قابل بازپیکربندی Morphosys انتخاب شده است. در نهایت نتایج حاصل با نتایج بدست آمده از پیاده سازی کد کننده روی پردازنده های DSP دیگر مقایسه می شود.

گردشکار نشان دهنده جریان کار در محیط های سازمانی است که نوعا شامل چندین فعالیت می باشد. برای اطمینان از اجرای فعالیتها و همچنین دسترسی به اشیاء داده مرتبط با این فعالیت ها بوسیله کاربران یا موضوعات مجاز، باید یک مدل کنترل دسترسی مناسب بر سیستم گردشکار حاکم باشد. مدلهای موجود ملزومات کنترل دسترسی را به خوبی پوشش نمیدهند. در این مقاله با بیان این ملزومات، مدلهای موجود بررسی شده و در نهایت مدل کنترل دسترسی R-ABAC ارائه می گردد. این مدل بر اساس دو شاخص مهم در محیط های سازمانی یعنی فعالیت و نقش بنا نهاده شده است و از کلاسه بندی فعالیتها و مجوزها پشتیبانی کرده و می تواند بهتر از مدلهای موجود ملزومات کنترل دسترسی را پوشش دهد.

در یک سیستم اطلاعات مدیریت، هنگامی اطلاعات برای استفاده مدیران مفید است که اطلاعات صحیح در محیط عملیاتی مطمئن و در زمان مشخص وارد سیستم شده یا بروزرسانی گردد. لازمه این امر مهیاسازی بستر سخت افزاری و خصوصا نرم افزاری مناسب برای اخذ داده ها، پردازش آنها و تبدیل به اطلاعات مفید مدیران می باشد بطوریکه استقلال سیستم های اطلاعات مدیریت از ساختار سازمانی، ارتباط مستقیم با رسالت و اهداف سازمان، حمایت از فرایندهای حیاتی و کلیدی سازمان، انعطاف پذیری نسبت به شرایط محیطی و ایجاد بسترهای لازم جهت تفویض مسوولیت نگهداری داده ها و اطلاعات به افراد را بوجود آورد.در این مقاله یک چارچوب مولفه بنیاد توزیع شده برای تولید نرم افزارهای اطلاعات مدیریت با نام BizMaster پیشنهاد شده است تا با استفاده از آن بتوان علاوه بر افزایش سرعت تولید نرم افزار، کاهش چشمگیر در زمان پیاده سازی و کاهش هزینه های پشتیبانی، بستری مناسب و متکی بر آخرین استانداردهای تولید نرم افزار در سطح سازمانی و بین سازمانی برای اخذ صحیح و مطمئن داده و پردازش مناسب آن فراهم کرد. بدین منظور توصیف و ارزیابی معماری BizMaster و بررسی نتایج حاصل از آن بر پروژه های بزرگ انجام شده بر روی این بستر از جمله اهدافی می باشند که در این مقاله دنبال می شوند.

معماگر یک الگوریتم رمز بلوکی 610 بیتی است که شامل 7 مرحله جانشینی می باشد. در این مقاله امنیت 5 مرحله جانشینی از الگوریتم رمز معماگر با استفاده از روش تحلیل خطی مورد بررسی و تحلیل قرار گرفته است. بدین منظور، یک تقریب خطی برای 4 مرحله جانشینی از معماگر با احتمال 0.5 – 2.146473´10-22 ارائه کرده ایم؛ با بکارگیری این تقریب، 25 بیت از کلید 160 بیتی یک سیستم رمز معماگر 5 مرحله ای را با پیچیدگی محاسباتی 2.170447´1043 (عمل رمز) و پیچیدگی داده ای 1.125899´1015 (تعداد شمارنده) تخمین زده و امنیت آن را به مخاطره می اندازیم.

سوییچ های Banyan با مشکل بلوکه شدن داخلی مواجه هستند که یکی از راه های که برای حل این مشکل ارائه شده، استفاده از مرتب کننده قبل از سوییچ می باشد. سخت افزار بکار رفته در مرتب کننده سوییچ Banyan با افزایش تعداد پورت سوییچ با سرعت زیادی افزایش می یابد. این افزایش سخت افزار نه تنها منجر به بزرگ شدن مدار و بالا رفتن هزینه ساخت می شود بلکه به علت بزرگ شدن بخش مقایسه کننده که می بایست در یک پالس ساعت خروجی خود را تحویل دهد عملا باعث طولانی شدن مدت زمان هر پریود پالس ساعت می شود. در این مقاله سوییچ جدیدی به نام Banyan هدایت کننده ارائه شده است که با سخت افزار کمتری نسبت به Batcher Banyan مشکل بلوکه شدن داخلی را برطرف می کند همچنین افزایش تعداد پورت در این سوییچ باعث طولانی شدن مدت زمان هر پریود پالس ساعت آن نمی شود.

این مقاله به بررسی مهندسی ترافیک در شبکه های ارائه دهنده سرویسهای اینترنتی (ISP ها) با استفاده از تکنیک MPLS می پردازد. طرح پیشنهادی برای این سیستم مهندسی ترافیک شامل اجزاءMPLS ، مسیریابی بر اساس محدویت، پروتکلهای IGP توسعه یافته و پروتکلهای سیگنالینگ است. برای نشان دادن میزان کارایی این سیستم مهندسی ترافیک نسبت به شبکه IP معمولی، از شبیه سازی کامپیوتری استفاده شده است. نتایج حاصل از شبیه سازی بیانگر قدرت بالای این روش در مسیریابی بهینه ترافیک و در نتیجه کیفیت بالاتر سرویسها در آن است.

تجزیه پردازشهای سنگین به بخشهای کوچکتر برای انجام به صورت توزیع شده با کنترل مرکزی در سطح اینترنت، را محاسبات سراسری گویند. از Javelin به عنوان یک بستر شناخته شده برای محاسبات سراسری یاد می شود. روایت بهنگام شده این بستر در سال 2001 با تغییرات ساختاری همراه بود به گونه ای که بتواند تعداد زیادی از میزبانهای محاسباتی را پذیرا باشد. این روایت جدید Javelin++ نام گرفت. هدف اصلی Javelin++ طراحی بستری با توسعه پذیری بالا برای محاسبات سراسری است. در Javelin++ دو روش زمانبندی مختلف در دو نسخه متفاوت از آن پیاده سازی شده است: زمانبند احتمالاتی و زمانبند قطعی مشکل زمانبند قطعی در Javelin++ این است که در محیطهایی که نرخ خرابی در آنها بالاست موجب بروز گلوگاه روی کارفرما می شود. در این مقاله، با استفاده از یک محیط چند عامله روشی تحت عنوان Ex-Javelin++ برای حل مشکل گلوگاه در Javelin++ ارایه شده است که دارای کارایی مناسبی است. در این روش، با تعریف هر یک از میزبانهای شرکت کننده در فرآیند محاسبات سراسری به صورت یک عامل و ساخت یک بستر برای تعاملات این عاملها از امکانات یک محیط چند عامله، مانند مکانیزم مذاکره و تکنیک Contract Net استفاده می شود. در این محیط چند عامله از یک الگوریتم جدید در فرآیند انتخاب پدر که ما آن را الگوریتم زمانبندی قطعی فاقد گلوگاه می نامیم استفاده شده است. در این الگوریتم فرآیند انتخاب پدر جدید در درخت میزبانها برای فرزندانی که پدر آنها دچار خرابی شده است تغییر داده شده است. استفاده از محیط چندعامله موجب اعطای استقلال کاری به هر یک از میزبانهای شرکت کننده در فرآیند محاسبه داوطلبانه خواهد شد و سربار روی کارفرما را به صورت چشمگیری کاهش می دهد.

تکنولوژیهای مختلفی برای نحوه ارتباط دستگاهها و کامپیوترهای شخصی در شبکه سازی خانه ها مطرح شده است. با مطرح شدن این تکنولوژیها و مسایل مختلفی که ممکن است در یک شبکه خانگی مورد توجه قرار گیرد مانند رقابت سرویس ها برای سرویس دهی، اولویت بندی سرویس ها، مدیریت خطاهای محتمل در یک شبکه خانگی و ... نیاز این زمینه را به یک مدیریت کارا سوق می دهد.Jini یکی از این تکنولوژیهاست. در این مقاله هدف آنست که یک پایگاه اطلاعاتی مدیریتی برای این تکنولوژی شبکه خانگی طراحی شود. بدین صورت که با کمک طراحی یک پایگاه اطلاعاتی مدیریتی برای عناصر اصلی بکار رفته در شبکه خانگی Lookup Service) Jini ها، فراهم کنندگان سرویس و مشتری ها) و تعریف متغیرهای آن، مدیریت شبکه و خطا را در این تکنولوژی بررسی کرد.

هدف از این مقاله, تبدیل اتوماتیک کد سریال به کد موازی بهینه است. کاربرد، تسریع قابل ملاحظه محاسبات علمی بر روی سوپرکامپیوترهاست. نکته قابل توجه، تبدیل اتوماتیک حلقه های سریال به حلقه های موازی در سوپرکامپایلرها ست. تبدیل اتوماتیک حلقه ها منجر به حل دستگاه معادله ها و نامعادله هایی می گردد که به علت NP-Complete بودن با روشهای عادی به سادگی قابل حل نیستند. لذا، در این مقاله روشی نوین با استفاده از الگوریتمهای ژنتیکی جهت تبدیل اتوماتیک کد سریال حلقه ها به حلقه های موازی ارائه و ارزیابی شده است.

در این تحقیق برنامه نویسی ژنتیک بعنوان یک مکانیزم توسعه پرسش مورد استفاده قرار گرفته است. با استفاده از یک مجموعه از پرسشها و سندهای مرتبط و غیرمرتبط بازیابی شده برای هر کدام، برنامه نویسی ژنتیک سعی در تکامل یک معیار (فرمول) جهت انتخاب ترمهایی دارد که با آن بتوان به نحو موثر پرسش کاربر را بسط داد. سه مجموعه استاندارد Lisa، Cranfield و Medline در طی دو مرحله جهت ارزیابی این روش مورد استفاده قرار گرفته است: 1) برنامه نویسی ژنتیک با استفاده از یک زیر مجموعه از پرسشهای یکی از مجموعه اسناد تکامل یافته و با پرسشهای جدید از همان مجموعه اسناد فوق مورد ارزیا بی قرار می گیرد. 2) برنامه نویسی ژنتیک با استفاده از پرسش های یکی از مجموعه اسناد فوق تکامل یافته و با مجموعه دوم مورد ارزیابی قرار می گیرد. روش RF احتمالی به عنوان یک روش پایه در این زمینه انتخاب و کارایی الگوریتم پیشنهادی با این روش مقایسه شده است. نتایج حاکی از برتر بودن روش فوق در تمامی آزمایشها می باشد.

برنامه ریزی یکی از مباحث هوش مصنوعی است که در آن دنباله ای از کنش ها برای رسیدن به یک هدف از پیش تعیین شده بصورت خودکار تولید می شود. اکثر برنامه ریزهای سنتی برای ساده سازی مساله برنامه ریزی فرض می کنند که کنش ها بصورت آنی اجرا می شوند. یکی از معدود روش های برنامه ریزی که در آن با مساله زمان به صورت جامع برخورد شده است، برنامه ریزی زمانی آلن است که به دلیل پیچیدگی بسیار زیاد در عمل غیر قابل استفاده است. از طرف دیگر روش های نوین برنامه ریزی مانند SatPlan علیرغم کارایی بسیار بالا هنوز مفهوم زمان را در نظر نمی گیرند. در این مقاله روش جدیدی معرفی می گردد که برای افزایش کارایی برنامه ریزی زمانی آلن، ابتدا مساله را به یک مساله ارضای محدودیت تبدیل می کند و سپس آن را از طریق روش های تست ارضا پذیری حل می نماید. در این مقاله نشان می دهیم که اگر روش آلن را اندکی تغییر دهیم، پیچیدگی حل مساله به طور قابل ملاحظه ای کاهش می یابد.

قدرت بالای مدلسازی جملات زبان طبیعی توسط گرامرهای درخت – افزایشی سبب شد که از آنها در کاربردهای ترجمه ماشینی و پردازش معنایی استفاده شود. آزمایشات موفق استفاده از این مدل در ترجمه ماشینی انگلیسی - کره ای و انگلیسی - فرانسوی، ما را بر آن داشت که از این مدل جهت ترجمه ماشینی انگلیسی به فارسی استفاده کنیم. استفاده از این نوع گرامر در ترجمه ماشینی سبب تعریف مفهوم گرامرهای درخت - افزایشی همزمان شده است. استفاده از این نوع گرامر سبب رفع ابهامات زیادی که در پردازش ترجمه ماشینی وجود دارد، شده است. در این مقاله نتایج پیاده سازی ترجمه ماشینی انگلیسی به فارسی که در آزمایشگاه پردازش زبان طبیعی دانشکده کامپیوتر، دانشگاه صنعتی شریف صورت گرفته است، ارائه می گردد.

گراف میانه عمومی، یک مفهوم مناسب برای استخراج ویژگیهای مفیدی از مجموعه ای از گراف ها می باشد که علاوه بر استفاده از آن بعنوان نمونه برای مجموعه، می تواند در راستای گسترش مفاهیم و الگوریتمهای استفاده شده در شناسایی آماری الگو به شناسایی ساختاری الگو، مورد استفاده قرار گیرد. از طرفی محاسبه این گراف از نظر زمانی و محاسباتی بسیار پیچیده است و همین امر، لزوم ایجاد الگوریتمهای تقریبی که در زمان معقول ما را به نتیجه برسانند، آشکار می سازد. ما در این مقاله در ابتدا مفهوم میانگین دو گراف صفت دار را که اخیرا معرفی شده است، به مجموعه ای با تعداد بیش از دو گراف صفت دار تعمیم داده و الگوریتمی برای محاسبه آن ارائه می دهیم و با استفاده از آن گراف میانه عمومی را تقریب می زنیم. سپس در ادامه مفهوم جدید و کلی تر دیگری با نام میانگین وزن دار را معرفی و روشی برای محاسبه آن پیشنهاد می دهیم. در قسمت دیگر مقاله الگوریتم جدید دیگری با استفاده از الگوریتم تخمین توزیع UMDA برای محاسبه گراف میانه عمومی ارائه خواهیم کرد که در عین کارایی، از سادگی قابل توجهی برخوردار بوده و بار محاسباتی کمی نیز دارا می باشد.

بهبود کیفیت تصاویر نویزی، در کاربردها و تحقیقات جزء چالش های بسیار ضروری محسوب می شود. فیلترهای غیر خطی که بر پایه مدلهای فازی عمل می کنند، به صورت کاملا موثری کارائی خود را حذف نویز تصویر بدون تخریب اطلاعات مفید آن نشان داده اند. استفاده از استنتاج فازی دارای مشکلاتی از جمله بدست آوردن پایگاه قانون مناسب و بهینه می باشد. استفاده از شبکه های عصبی فازی، و قابلیت یادگیری آنها، نقطه ضعف های این روش را به خوبی می پوشاند، در حالی که قدرت آن را نیز کم نمی کند.در این مقاله از یک شبکه عصبی فازی خودانطباق و خود سازمانده برای حذف نویز ضربه ای تصاویر استفاده شده است. این شبکه عصبی فازی که در واقع یک مدل کننده فازی می باشد، بدون نیاز به اطلاعات اولیه، به کمک یک تصویر آموزشی، مشخصات بهینه سیستم استنتاج را بدست می آورد. روش پیشنهادی بر روی تعدادی از تصاویر استاندارد اعمال شده و نتایج با نتایج حاصل از فیلتر میانه مقایسه شده است. در همه موارد روش پیشنهادی نسبت به فیلتر میانه از خطای MSE بسیار کمتری برخوردار است.

امروزه، استفاده از الگوریتمهای خوشه بندی در گروه بندی مستندات متنی از جایگاه بالایی، خصوصا در سیستمهای بازیابی اطلاعات برخوردار است. با استفاده از این الگوریتمها مستندات بازیابی شده، گروه بندی می شوند تا مستندات مشابه، در یک خوشه قرار گیرند. از میان روشهای مختلف خوشه بندی، مدل عصبی SOM برای داده های با حجم بالا و مدل فازی KHM برای داده های خارج از محدوده عملکرد بهتری دارد.در این پژوهش، با تلفیق دو روش KHM وSOM ، الگوریتم نگاشت خودسازمانده هارمونیک HSOM پیشنهاد شده است. نتایج آزمایشات خوشه بندی مستندات بازیابی شده توسط سیستم SMART برای مجموعه OHSUMED، بر اساس دو روش SOM و HSOM نشان می دهند که HSOM برخلاف SOM، به مقداردهی اولیه حساسیت ندارد و همانند KHM داده های خارج از محدوده تاثیری بر نتیجه خوشه بندی نمی گذارند.

استفاده از دنباله های فراخوانی های سیستمی برای بررسی رفتار برنامه ایده ای نوین و کارآمد بوده است و استفاده از این ایده برای حفاظت و آزمون نرم افزار چالش های جدیدی می طلبد. استفاده از فراخوانی های سیستمی، قبلا برای تشخیص نفوذ به برنامه استفاده شده است. در روش های پیشنهادی قبلی به طور عمده از یک پنجره لغزان و الگوریتم های تطابق کامل، توالی های مجاور، شبکه های عصبی، مدل پیش بینانه، مدل آماری، و ماشین حالات متناهی برای ایجاد و بررسی نمای رفتاری برنامه استفاده شده است. در این مقاله، دنباله های فراخوانی های سیستمی با نگرش دیگری مورد بررسی قرار گرفته است و خصوصیاتی که احتمالا برنامه تولید کننده این دنباله را دارا می باشد، مد نظر قرار گرفته است. با توجه به اینکه به برنامه به صورت اجراهای موفق و به دور از شکست برنامه، حلقه های موجود در دنباله ها کشف شده و درخت منطق اجرای برنامه ساخته می شود. این درخت که نشان دهنده مسیرهای اجرایی برنامه می باشد، به عنوان نمای رفتاری برنامه جهت تشخیص وقوع به شکست به کار می رود. نتایج آزمایشات بر روی برنامه های lpr و stide صحت عملکرد این روش را تایید می کند.

در این تحقیق، مدلهای متفاوتی که اخیرا برای ترانزیستور SGMESFET (که قابلیت استفاده در طراحی مدارهایی با سرعت بالا تا 20GHZ را دارند) ارائه شده اند. به کمک الگوریتم وراثتی و دو روش عددی (سادک و رزنبرک) برای چند ترانزیستور پر کاربرد فرکانس بالا که مشخصه واقعی آنها در دسترس بوده، بهینه سازی شده است. نتایج حاصل از اعمال الگوریتمهای ذکر شده روی مدلهای انتخابی برای سه مشخصه واقعی در چند جدول ارائه گردیده است. با تحلیل این نتایج به مقایسه روشهای بهینه ساز و مدلهای سیگنال بزرگ پرداخته می شود.

پایگاه داده های زمانی موجود امکان کار با اطلاعات زمانی مبهم و نادقیق را فراهم نمی کنند، در حالی که استفاده از مفاهیم فازی برای مدلسازی مقادیر مبهم یکی از شیوه های مورد استفاده در پایگاه داده های متعارف می باشد. ما در این مقاله، پس از بررسی کوتاه پایگاه داده ها، مدل های داده ای و زبان های پرسش زمانی، با انتخاب زبان ATSQL به عنوان یک زبان زمانی، آن را گسترش داده ایم. در این گسترش قابلیت پرسش فازی را به آن افزوده و نشان داده ایم که به کمک زبان توسعه یافته که آن را FATSQL می نامیم می توان داده هایی را که زمان منتسب به آنها نادقیق است به آسانی ذخیره و بازیابی کرد و مورد پردازش قرار داد.

در این مقاله، برای افزایش تحمل پذیری خطا در سیستم های گسترده (توزیع شده) و به ویژه سیستم های چندعامله روشهایی پیشنهاد شده است. این روشها حتی با وجود شرایط نایقینی و در نظر گرفتن عاملهای غیرهمسان که برخی دارای قابلیتهای ویژه ای هستند، با مبتنی بودن بر یک الگوریتم نسبتا بهینه برای تقسیم مجدد وظایف، عمل می نمایند. روشهای پیشنهادی این تحقیق، در تکمیل پژوهشهای قبلی و به ویژه صورت گرفته اند. در این روش، عاملهای کمک رسان در صورت لزوم، بر اساس الگوریتمی گسترده و نسبتا بهینه اقدام به انتخاب وظیفه می کنند و بدون برقراری ارتباط صریح، مناسب ترین وظیفه را از لحاظ سرعت و توان پردازشی (عملیاتی) و قابلیت اعتماد خود و نیز درجه اهمیت وظیفه مورد نظر بر عهده می گیرند. بنابراین از این طریق همکاری ضمنی میان عاملهای کمک رسان برقرار می شود و تا زمانی که شرایط نیاز به کمک برطرف نشده، به این روش از کاهش کارایی سیستم جلوگیری می گردد. این مکانیزم جدید برای تقسیم وظیفه، عملکرد سیستم را در مقایسه با روشهای قبلی مطرح شده در پژوهشهای پیشین که راهکاری برای کنار آمدن با نایقینی و ناهمسانی عاملها، نداشتند به میزان قابل توجهی بهبود می بخشد.

مسابقات روباتهای فوتبالیست، دارای پیچیدگی هایی است که آن را مستعد اجرای کارهای تحقیقاتی و تجربی در زمینه هوش مصنوعی ساخته است. یکی از شاخه های عمده در هوش مصنوعی «برنامه ریزی» است که به مساله یافتن برنامه هایی می پردازد که اجرای آنها توسط یک یا چند مامور، هدفی خاص را برآورده می سازد. برنامه ریزی روش های گوناگونی دارد. ما تعدادی ازاین روش ها را برای به کار گرفته شدن در دامنه روباتهای فوتبایست رده شبیه سازی، بررسی کردیم. نتایج حاصل، نشان میدهد که شیوه برنامه ریزی واکنشی، برای محیط های پویا و غیر شفافی که در آن اطلاعات مامور درباره محیط، اندک و نادقیق است، مناسب تر از سایر روش ها است. همچنین مشخص شد که استفاده از یک ساختار مبتنی بر قواعد، برای تولید برنامه ریز واکنشی، علاوه بر افزایش سرعت عمل برنامه ریزی انعطاف پذیری آن را نیز بالامی برد.

در سال های اخیر حوزه شبکه های عصبی مصنوعی و نیز کاربرد آنها مورد تحقیق و توسعه بسیاری چه از دیدگاه نظری و چه از دید عملی قرار گرفته است. هدف مقاله حاضر ارائه روشی جدید مبتنی بر تلفیق این حوزه با یکی از مهم ترین و پرکاربردترین سیستم های مخابراتی امروزی یعنی سیستم طیف گسترده و به منظور تحقق فرایند اکتساب فاز کد گسترده کننده در گیرنده این سیستم به صورتی سریع و مطمئن است که این امر با توجه به توانایی شبکه عصبی هاپفیلد در شناسایی و تخصیص الگو صورت می پذیرد. قابلیت روش معرفی شده در متن حاضر برای همزمان سازی فرستنده و گیرنده سیستم مذکور در حضور نویز مورد بررسی قرار گرفته و نتایج شبیه سازی ارائه می گردد.

در این مقاله طراحی یک کمک پردازنده برای رمزنگاری مبتنی بر منحنی های بیضوی شرح داده شده است. در مقایسه با پیاده سازی های قبلی، ما از الگوریتم مونتگمری برای عملیات ضرب نقطه و به همراه نمایش Optimal Normal Basis برای عناصر میدان استفاده کرده ایم. عملیات کمک پردازنده در میدان GF (2155) انجام می پذیرد، ارتباطات کمک پردازنده را طوری در نظر گرفته ایم که بتوان آن را با هر پردازنده 16 بیتی بکار برد، هدفمان طراحی کمک پردازنده ای بود که محدودیت زمانی سیستم IFF (سیستم شناسایی دوست یا دشمن) را برآورد سازد و در عین حال کمترین میزان سخت فزار را نیز مصرف کند. طرح کمک پردازنده را برای FPGAهای Xilinx سنتز نموده ایم که برای تراشه XCV300، CLB 2139 مصرف نموده است و عملیات ضرب نقطه در آن 3.38 ms طول می کشد که حدودا دو برابر سریعتر از طرح مشابه است.

با توجه به اهمیت روزافزون پردازش سیگنال های شنیداری، ضرورت طبقه بندی این سیگنالها در مراحل اولیه و قبل از انجام پردازشهای پیشرفته تر ضروری می باشد. با مشخص شدن نوع سیگنال شنیداری و اینکه آیا سیگنال گفتاری، موسیقی و یا ... است می توان نسبت به نوع پردازش های بعدی که باید روی آن انجام بگیرد تصمیم گیری نمود. در اینجا نیز سعی می شود یک الگوریتم مقاوم برای طبقه بندی سیگنالهای شنیداری ارائه شود، به طوری که قادر به طبقه بندی و قطعه بندی هر جریان شنیداری به دو طبقه گفتاری و غیر گفتاری باشد. بعد از استخراج ویژگیهای زمان کوتاه، روشهای مختلف طبقه بندی آماری بر روی طولهای متفاوت از دادگان این دو طبقه آزمایش می شوند.

در این مقاله، سیستم خبره ای برای شناسایی احساس از روی تصویر ویدیویی حالات چهره ارائه می شود. ورودی این سیستم فریمهای متوالی نمای تمام رخ چهره است. فرض می شود که سر حرکت محسوسی ندارد و روشنایی فریمها یکنواخت است. این سیستم، اعضای صورت را در فریمهای متوالی دنبال کرده و تغییرات آنها را در قالب واحدهای حرکت چهره می شناسد و این تغییرات را به شکل مجموعه ای از احساسهای اولیه تفسیر می کند. در این سیستم برای هر واحد حرکت و احساس، شدت ظهور تعریف می شود که برای تمیز برخی حرکات، حذف حرکات ضعیف و ادغام حرکات مشابه استفاده می شود. از آنجاییکه این سیستم ممکن است بیش از یک احساس را از تغییر حالات نتیجه بگیرد، تمهیداتی برای درجه بندی شدت ظهور و رفع تناقضهای ممکن اندیشیده شده است سیستم خبره به فرایند ادراک انسان نزدیک است، استفاده از آن انعطاف زیادی به مدیریت دانش سیستم داده است. نتایج شناسایی روی 105 رشته تصویر ویدیویی با 80 درصد شناسایی درست احساس همراه بوده است.

در این مقاله جزئیات طراحی یک سیستم شناسایی اتوماتیک افراد با استفاده از مشخصات یکتای عنبیه مورد بررسی قرار می گیرد. در این سیستم ابتدا مرزهای درونی و بیرونی عنبیه با استفاده از اعمال اپراتورهای لبه یاب حلقوی استخراج شده و سپس برای جلوگیری از وابستگی الگوریتم به تغییرات اندازه، که امری اجتناب ناپذیر می باشد، ناحیه عنبیه به فضای قطبی بدون بعد نگاشته می شود. برای افزایش سرعت اجرای مدول لبه یاب از تصاویری با تفکیک مکانی متفاوت استفاده شده است. پس از نگاشت به فضای قطبی، کیفیت تصویر حاصل با استفاده از تکنیک های پردازش تصویر بهبود یافته و در مرحله بعد با استفاده از تبدیل موجک گابور مشخصات یکتای موجود در بافت عنبیه استخراج شده و کد می گردد. با توجه به درجه آزادی بسیار بالای بافت عنبیه، سیستم با احتمال بسیار بالایی قادر به تفکیک اشخاص خواهد بود. در این مقاله برای آزمایش کارایی الگوریتم از پایگاه داده ای متشکل از 756 عنبیه استفاده شده که نتایج بدست آمده نشان دهنده کارآیی بسیار بالای الگوریتم می باشد.

ارزیابی شبکه ها از موضوعات اساسی در امر مطالعه، تحلیل و طراحی شبکه می باشد. روشهای ارزیابی شبکه ها به سه گروه تجربی، تحلیلی و شبیه سازی تقسیم می شود. که در این میان روش شبیه سازی به دلیل ارائه امکان مدلسازی در سطوح دلخواه پیچیدگی، قابلیت انعطاف، در دسترس بودن و ارائه نتایج نزدیک به واقعیت از گستردگی زیادی برخوردار است. علاوه بر مدلسازی رفتار سیستم مدلسازی بار (Work load Characterization) از اهمیت فراوانی در شبیه سازی برخوردار است. نتایج شبیه سازی در صورت غیر واقعی بودن ترافیک اعمالی از اعتبار لازم برخوردار نخواهد بود. تحقیقات فراوانی در زمینه مدلسازی دقیق ترافیک شبکه ها و بخصوص ترافیک اینترنت صورت گرفته است که استفاده از مدلهای قدیمی مانند پواسن را قابل قبول نمی داند. مدلهای خود همانندی در این راستا ارائه گردیده است. در این تحقیق سعی بر این است که بوسیله مدلسازی دقیق ترافیک امکان ارزیابی کارایی شبکه های کامپیوتری از طریق شبیه سازی با دقت بالا فراهم گردد. در این زمینه ابزاری جهت جمع آوری بسته ها و تحلیل ترافیک واقعی طراحی گردیده است و با استفاده از این ابزار، ترافیک یک شبکه واقعی مانیتور شده و خصوصیات خود همانندی آن مورد مطالعه قرار گرفته است. رفتار ترافیک از دید توزیع آماری و تابع خود همبستگی بررسی و تطابق آنها با مدلهای آماری موجود مطالعه شده است.

موضوع این نوشتار، ارائه روشهایی است که همکاری در یادگیری را میان عاملهای هوشمند غیرهمسان میسر می سازند. پیش از این، مفید بودن همکاری در یادگیری میان عاملهای همسان به اثبات رسیده است. لیکن چگونگی همکاری در یادگیری میان عاملهای غیرهمسان که از لحاظ توانایی های عملکردی متفاوت هستند، به تازگی مورد توجه محققین علم هوش مصنوعی قرار گرفته است. در این مقاله، روشهایی برای همکاری مفید میان عاملهای غیرهمسان به هنگام یادگیری، ارائه شده است. به این ترتیب، عاملهایی که دارای اعمال مختلف هستند، می توانند با یکدیگر ارتباط معنی دار برقرار کرده و به نحو مطلوبی از دانش و تجارب دیگران برای ارتقاء دانش و کارایی خود استفاده کنند.

در این مقاله ضمن توصیف کلی مساله درستی یابی ویژگیهای سیستم ها و مساله وارسی الگو منطق زمانی نقطه ثابت یا حساب Mu و نظریه عمومی خودکارهای بازگشتی مرتبه اول ارائه شده است. الگوریتمی جدید برای وارسی الگو وقتی ویژگی های سیستم در حساب Mu توصیف شوند با استفاده از نظریه خودکارها ارایه می شود. مهمترین مزیت این الگوریتم آن است که پیچیدگی زمانی آن نسبت به اندازه مدل سیستم خطی است.

در سالهای اخیر، تحقیقات درباره مساله تخصیص کانال در شبکه های موبایلی سلولی رشد چشمگیری داشته است. علت اصلی این رشد پیاده سازی وسیع شبکه های مخابراتی بی سیم و ارتباطات ماهواره ای می باشد. یکی از مسائل مهم در شبکه های موبایلی سلولی مساله تخصیص کانال می باشد. در این مقاله در ابتدا یک الگوریتم ژنتیکی جدید برای حل مساله تخصیص کانال در شبکه های موبایل سلولی پیشنهاد می شود که دارای عملکرد بهتری از نظر تعداد تکرارها نسبت به الگوریتم های ژنتیکی کلاسیک می باشد. سپس با ترکیب این الگوریتم و مدل اتوماتای سلولی الگوریتمی که در آن سرعت اجرای هر تکرار افزایش داده شده است ارایه میگردد. در این مقاله همچنین مکانیزمی به نام بازچینی مطرح شده است که در فواصل مشخص به تغییر همسایگی ها و ایجاد آرایش جدید در سلولها می پردازد. مزیت استفاده از این مکانیزم از یک طرح کم نمودن احتمال انتخاب های اتفاقی و از طرف دیگر کاهش تعداد همگراییهای زودرس و نامطلوب در همسایگی ها و ایجاد فرصت های جدید برای افراد مناسبتر برای زاد و ولد با یکدیگر می باشد.

آزمون بیت بعدی به طور خلاصه بیان میکند که یک دنباله تصادفی است اگر و تنها اگر بیت های بعدی آن با داشتن بیت های قبلی پیش گوئی نباشند. این آزمون تنها یک آزمون نظری است. صادقیان - مهاجری آزمونی عملی بر اساس آزمون بیت بعدی پیشنهاد کرده اند. دراین آزمون بر اساس اختلاف فراوانی الگوها در یک دنباله، بیت بعدی در برخی قطعات دنباله پیشگوئی می شود. در این پژوهش با بررسی دقیقتر مشخصه های این آزمون، نتایج آن را در تشخیص دنباله های تصادفی بهبود بخشیده ایم و به بررسی آزمون بهبود یافته از هر دو جنبه نظری و تجربی پرداخته ایم. سپس آن را با آزمون صادقیان - مهاجری مقایسه کرده ایم.

یکی از بخشهای مهم سیستم GSM، مرکز سوئیچینگ موبایل یا MSC می باشد که خود مجموعه ای از چندین واحد مختلف است، به طوری که هر واحد بخشی از وظایف MSC را بر عهده دارد. اجزای درونی هر واحد می توانند با استفاده از پروتکل کنترلر HDLC با هم ارتباط داشته باشند ولی برای ارتباط واحدهای اصلی با هم، سرعت HDLC کافی نخواهد بود و به یک شبکه محلی با سرعت بالا نیاز است (حداکثر سرعت HDLC مربوط به V.35 آن و 2.04 Mbps است). طراحی این شبکه باید بر اساس ویژگی های خاص MSC به عنوان یک سیستم مخابراتی انجام شود. به این ترتیب به شبکه ای نیاز داریم که داده های ارسالی را با کمترین تاخیر و بدون هیچگونه خطایی به مقصد برساند. در این مقاله پس از بررسی ویژگی های شبکهMSC ، شبکه ای طراحی می شود که با نیازهای سیستم مخابراتی MSC مطابقت داشته باشد و سپس پارامترهایی مثل نرخ انتقال داده ها، نرخ داده های گم شده و میزان تاخیر در آن اندازه گیری می شود.

مشهورترین روش آموزش مدل پنهان مارکف روش BW می باشد که یک روش آموزش محلی است و در دام بهینه های محلی گرفتار می شود. در این مقاله روش مبتنی بر اتوماتون یادگیر تقویتی با عمل پیوسته (CARLA) برای اولین بار برای آموزش سراسری مدل پنهان مارکف استفاده شده و همچنین با روشهای استاندارد و پیشرفته مبتنی بر سرد کردن فلزات (SA) مقایسه شده است. آزمایشهای انجام شده نشان می دهند که روش CARLA نسبت به روش استاندارد سرد کردن فلزات یعنی BA دارای راندمان بالاتری است ولی روشهای سریع و بسیار سریع مبتنی بر سرد کردن فلزات یعنی FA و VFA بهتر از CARLA هستند.

در این مقاله، به مطالعه چگونگی تحلیل سیاست زمان بندی بی درنگ EDF که یک سیاست بهینه است می پردازیم. در این راستا سیستمی با یک وصف و یک پردازنده در نظر گرفته شده است. به دلیل ساختار پیچیده ای که برای تحلیل قطعی چنین سیستمی وجود دارد، تا به حال چنین تحلیلی انجام نشده است و فقط یک روش تقریبی و برخی اثبات های حدودی و پیچیده در شرایط خاص مساله برای آن وجود دارند.در این مقاله با استفاده از پارامتری به نام g(n) که نرخ از دست رفته موعد را در شرایط مساله نشان می دهد، با استفاده از مدل مارکف به ارائه یک راه حل ساده و در عین حال با دقت بسیارخوب می پردازیم که سیستم را در شرایط M/M/1/EDF+M حل میکند. مقایسه نتایج حاصل از تحلیل و شبیه سازی حاکی از موفقیت روش ارائه شده است.

در داده کاوی نمایشی نشان دادن وضعیت داده ها به کاربر از اهمیت زیادی برخوردار است. با توجه به این مساله که نمایش مجموعه داده ها به انسان بر روی فضای با بیش از 3 بعد امکان پذیر نیست، مرحله ای در داده کاوی نمایشی به نگاشت فضای داده ای روی فضایی با ابعاد کوچکتر تخصیص می یابد. یکی از روشهای مطرح شده برای حل این مساله الگوریتم Spring است که ما در اینجا به موازی سازی آن پرداختیم. به این ترتیب، پیچیدگی زمانی الگوریتم Spring باm مرحله تکرار، در فضایی با n داده از O(mn2) به O(mlogn) روی ساختار EREW PRAM و به O(m) روی ساختارCRCW PRAM ، کاهش یافته است. در ادامه مقاله، با اشاره به نحوه به کارگیری خوشه بندی سلسله مراتبی در الگوریتم spring، به چگونگی کاهش تعداد مراحل تکرار این الگوریتم تا رسیدن به همگرایی پرداخته ایم.

در این مقاله چگونگی ایجاد یک محیط نرم افزاری برای کنترل و مبادله متنهای XML در تجارت الکترونیک شرکت با شرکت ارائه شده است. در این محیط می توان متن XML را پس از کنترلهای اولیه از یک زبان به زبان محاوره ای و یا هر زبان تعریف شده توسط کاربر تبدیل نمود. علت ایجاد این محیط مشکل غیر انگلیسی زبآنها در مبادله الکترونیک داده ها است که بر مبنای زبان انگلیسی می باشد. علاوه بر این در محیط نرم افزاری پیشنهادی، جهت حصول اطمینان از صحت پیامهای مبادله شونده، عملیات آزمون نوع، کنترلهای مفهومی و ساختاری نیز انجام می گیرد.

ظهور و توسعه الگوریتمهای ژنتیکی به عنوان یک روش جستجوی تصادفی که حساسیت زیادی روی اطلاعات اولیه از مسایل ندارد، می تواند در تخمین پارامترهای یک سیستم جهت کسب بهترین نتیجه، مورد استقاده قرار گیرد. این امر بوسیله بهینه سازی یک تابع هدف صورت می گیرد. از طرفی تغییرات سریع وضعیت بعضی سیستمها مثل سیستمهای دینامیکی ایجاب می کند از روشی استفاده شود که بهینه سازی تابع هدف را سرعت بخشد. در این مقاله الگوریتمهای ژنتیکی و ژنتیکی موازی به عنوان یکی از بهترین راه حلهای ممکن برای انجام بهینه سازی سیستمها مورد بحث قرار گرفته است. همچنین سعی شده است که یکی از تکنیکهای بهینه سازی سیستمها؛ یعنی برنامه نویسی پویا، با استفاده از الگوریتمهای ژنتیکی موازی سریعتر شود. برای این منظور الگوریتمهای ژنتیکی و ژنتیکی موازی در یک محیط برنامه نویسی موازی موسوم به مالتی پاسکال بررسی شده است. سپس درخت جستجوی دودویی بهینه به عنوان مساله مورد مطالعه جهت کاهش زمان جستجو، انتخاب شده است و با استفاده از الگوریتم ژنتیکی موازی، روش برنامه نویسی پویای این مساله سریعتر گردیده است. همچنین نشان داده شده است در مواردی که داده ها زیاد باشند شاخص تسریع، هنگام استفاده از نوع موازی این الگوریتمها افزایش می یابد.

در این مقاله کارایی یازده فاصله متفاوت در طبقه بندی تصویر، بر اساس رنگ، شکل و بافت، ارزیابی شده است. از معیار نرخ طبقه بندی درست در روش k همسایه نزدیکتر برای ارزیابی طبقه بندی استفاده شده است. نتایج آزمایش بر روی یک پایگاه داده 1000 تصویری شامل ده گروه معنایی، بر اساس هیستوگرام رنگ، هیستوگرام راستای لبه ها و ویژگی های گابور، ارائه و بررسی شده است.

عمل طبقه بندی بسته ها به جریانهای متفاوت، در مسیریابهای اینترنت را دسته بندی بسته ها گویند. در این فرایند کلیه بسته ها متعلق به یک جریان مشخص، تحت تاثیر یک قانون قرار گرفته و بطور یکسان توسط مسیریابها پردازش می شوند. روشهای زیادی برای دسته بندی بسته ها ارائه شده است. یکی از این روشها، ماتریسی بیتی است که میزان حافظه مصرفی آن بالا می باشد. با مشاهده ساختار تفکیک کننده های واقعی می بینم که تعداد پیشوندهای مجزای هر بعد، در مقایسه با تعداد کل پیشوندهای هر بعد ناچیز می باشد از این واقعیت جهت کاهش میزان حافظه مصرفی روش ماتریسی بیتی استفاده می کنیم.

با گسترش ارتباطات و فناوری اطلاعات (ICT) و استفاده روزافزون عام از کامپیوتر، لزوم بسترسازی برای بین المللی سازی و بومی سازی برنامه های کاربردی مطرح گردید. به سرعت پشتیبانی از I18n جزء اصول برنامه های کاربردی معتبر قرار گرفت. در پی اوج گیری امکانات سیستم عامل لینوکس و به دلیل امنیت، سرعت و مرجع آزاد بودن آن، بحث بومی سازی این سیستم عامل محبوب در بسیاری از کشورها آغاز گردید. به تازگی در کشور ما نیز حرکتهایی شروع شده است. در این مقاله ما به بحث در مورد مفهوم I18n و L10n خواهیم پرداخت. همچنین زمینه ای از مفاهیم پایه ای، کدهای کاراکترها و نکات لازم برای تهیه یک نرم افزار یا patch بین المللی را در اختیار محققان قرار می دهد. مقالات و مطالعات متعددی در زمینه بین المللی سازی و بومی سازی نرم افزارها وجود دارد. این مقاله سعی دارد وضعیت فعلی و مشکلات موجود در ارتباط با بین المللی سازی زبان فارسی را به طور اجمالی بررسی نموده و راهکارهایی برای حل آنها ارئه نماید.

در واقعیت مجازی از شبیه سازی محاوره ای دنیای واقعی جهت انتقال حس حضور در محیطی واقعی یا تخیلی در ذهن کاربر استفاده می شود که نیازمند بصری سازی و دستکاری داده های پیچیده دنیای طبیعی است. هندسه فرکتالی شاخه ای از ریاضیات است که به کمک آن پدیده ها ی طبیعی که با هزاران فرمول ریاضی قابل بیان نیستند براحتی مدل سازی می شوند و تصاویر پیچیده با فرمول هایی ساده بیان می شوند. ما قصد داریم با به کارگیری هندسه فرکتالی در استاندارد در حال تکوین FractVRML اندازه و حجم اطلاعات را کاهش دهیم. هدف این استاندارد بصری سازی پدیده های طبیعی مانند کوه، رودخانه، گیاهان با استفاده از فرکتال ها و روش های فرکتالی می باشد. در این مقاله دیدگاه جدیدی برای تولید کوه های فرکتالی، با استفاده از روش جدید MDTG بر روی شبکه مثلثی پیشنهاد شده است. برای این منظور دو گره جدید بنام های TriangleGrid و FractMountain در استاندارد FractVRML پیاده سازی شده است. روش پیشنهادی دارای قابلیت انعطاف پذیری بسیاری است و منجر به صرفه جویی قابل ملاحظه ای در استفاده از حافظه می شود. همچنین کوه های ایجاد شده در این روش بسیار طبیعی تر از کوه های ایجاد شده در روشهای دیگر می باشد.

این مقاله شامل سه بخش می باشد. در بخش اول به بررسی مطالعه و شبیه سازی تبدیل کسینوسی و تبدیل موجک به منظور انتخاب تبدیل مناسب تر پرداخته شده است. در بخش دوم یک الگوریتم جدید تبدیل موجک پیشنهاد شده است که برای کاربردهای حساس به سرعت و بلادرنگ مناسب است. تبدیل پیشنهادی، مشتق گرفته از تبدیل موجک CDF(5,3) با پیاده سازی به روش ترفیع می باشد. شبیه سازی صورت گرفته خطای کمتر و سرعت بیشتر از الگوریتم را نشان می دهد. در بخش سوم به پیاده سازی سخت افزاری تبدیل موجک پیشنهادی پرداخته شده است. سخت افزار طراحی شده در پایان با زبان توصیف سخت افزاری VHDL نوشته شده و پس از شبیه سازی روی تراشه Spartan XC2S100TQ144-6 سنتز شده است. مدار سنتز شده با فرکانس 88.6 مگاهرتز عمل کرده و تقریبا 15 درصد حجم تراشه را اشغال کرده است. برای اطمینان از صحت کار مدار، نتایج حاصله با شبیه سازی نرم افزار مقایسه شده و از یکسان بودن نتایج اطمینان حاصل گردیده است.

در این مقاله روشی برای پنهان سازی اطلاعات با استفاده از عملیات ماتریسی با هدف افزایش ظرفیت پنهان سازی ارائه شده است. برای این کار از یک کلید ماتریسی 4´4 که اعضای آن اعداد 1، 2 و 3 هستند استفاده می شود به ترتیبی که در هر مرحله یک بلوک 4´4 از تصویر میزبان و 4 بایت از پیام را تبدیل به ماتریس 4´4 با اعضای 2 بیتی نموده و پس از ترکیب آنها با یکدیگر ماتریس 4´4 با اعضای یک بیتی را به گونه ای پیدا میکنیم که حاصلضرب کلید در آن برابر یا نزدیک به ماتریس حاصل از ترکیب باشد. به این ترتیب پس از قرار دادن اعضای ماتریس یک بیتی در بیتهای آخر پیکسلهای تصویر میزبان با تغییر n بیت از تصویر میزبان، 2n بیت اطلاعات درون آن پنهان می شود. آزمایشات نشان داده است که علاوه بر انعطاف پذیری بالا و امکان ترکیب روش با روشهای دیگر شاخصهای ظرفیت، پیچیدگی، شفافیت و قابل کشف نبودن بصورت مناسب عمل نموده و در مقابل وجود خطا و مقاومت کم معایب عمده روش هستند.

در شبیه سازی سیستمهای کامپیوتری، زمان لازم برای شبیه سازی و ارزیابی کارایی با میزان پیچیدگی سیستم رابطه مستقیم دارد. از اینرو برای ارزیابی سیستمهای چند پردازنده ای مدرن که دارای صدها و یا حتی هزاران پردازنده هستند زمان بسیار زیادی لازم است.در این مقاله با معرفی مفهوم سیستمهای معادل از لحاظ کارایی سعی بر این است که با جایگزینی سیستمهای پیچیده با سیستمهای ساده تری که از لحاظ کارایی با سیستمهای پیچیده معادل هستند، زمان لازم برای شبیه سازی و ارزیابی کارایی سیستمهای پیچیده را کاهش داد.

استفاده از نقاط انشعاب برای ساخت درختهای multicast مزایای متعددی دارد. مهمترین این مزایا، ارسال داده multicast بصورت unicast، نگهداری حالت درخت فقط در نقاط انشعاب و قابلیت پیاده سازی افزایشی می باشد. مشکل اصلی این روشها، انجام دو بار lookup برای تمام بسته ها اعم از unicast و multicast است. در این مقاله، ما یک پروتکل جدید ارائه می کنیم که علاوه بر حل این مشکل، درخت multicast را به صورت موثرتری می سازد. شبیه سازیها نشان می دهند که روش پیشنهادی، باعث کاهش تعداد lookup ها به اندازه %56 می گردد. همچنین ما اندازه جداول MFT را برای روشهای بر پایه نقاط انشعاب و دیگر روشها با هم مقایسه نموده ایم.

در این مقاله، با استفاده از الگوریتم های ژنتیک و بر اساس گراف حاصل از بازنمایی تفاضلی الگوریتم رمز سرپنت، شیوه ای جهت پیداکردن یک مشخصه تفاضلی kدوری برای این الگوریتم رمز پیشنهاد می گردد. بدین منظور، ساختار کروموزوم ها، چگونگی تولید جمعیت اولیه، تابع برازندگی، عملگر آمیزش و عملگر جهش الگوریتم ژنتیک پیشنهادی معرفی می شود.همچنین، نتایج آزمایشات انجام شده بر اساس این شیوه جهت پیداکردن یک مشخصه دوری مناسب برای تحلیل تفاضلی الگوریتم رمز سرپنت دوری ارائه می شود. مقایسه مشخصه های بدست آمده توسط شیوه پیشنهادی با مشخصه های دوری منتشر شده در عملکرد مناسب این شیوه را تایید می کند. ایده مطرح شده در این مقاله قابل تعمیم به سایر الگوریتم های رمز قطعه ای می باشد.

مدل های مخلوط گوسی GMM و ماشین بردار پشتیبان SVM با وجود داشتن کارایی نسبتا مشابه، خطاهای ناهمبسته ارائه می کنند، لذا می توانند برای ایجاد کلاس بندی کننده ای با کارایی بالاتر ترکیب شوند. در این مقاله یک سیستم تعیین هویت گوینده مستقل از متن متشکل از هردو روش SVM و GMM ارائه می گردد. در این سستم از توانایی GMM در مدل کردن گویندگان و نیز از توان تمایز دهندگی بالای SVM در کنار هم و به منظور افزایش دقت تعیین هویت گوینده، استفاده شده است. در روش پشینهادی، تعیین هویت گوینده توسط GMM صورت می گیرد و در مواردی که به دلیل تشابه گویندگان احتمال اشتباه وجود داشته باشد، از SVM برای کاهش خطای تعیین هویت استفاده شده است. تعیین گویندگان مشابه با هر گوینده توسط GMM و ساخت مدل های SVM جهت تمایز بین گویندگان مشابه در مرحله آموزش صورت می گیرد. روش پیشنهادی موجب گردید که خطای تعیین هویت از %4.15 که مربوط به روش GMM به تنهایی است به %1.7 مربوط به سییستم هیبرید کاهش یابد.

در این مقاله به بررسی نحوه پیاده سازی الگوریتم chain code بر روی FPGA می پردازیم. الگوریتم chaincode یکی از الگوریتم های کد کردن تصویر می باشد که برای کد کردن لبه های یک شیء در تصویر استفاده می شود همچنین این الگوریتم می تواند عرض، ارتفاع، محیط و مساحت شیء را نیز به دست آورد. این الگوریتم در پردازش تصویر و شناسایی و مقایسه شیء ها و الگوها با هم کاربرد بسیاری دارد. در این پروژه ابتدا الگوریتم chain code با استفاده از VHDL که زبان توصیف سخت افزار می باشد، شبیه سازی شده و سپس برنامه نوشته شده به زبان VHDL بر روی مدل Spartan-II از FPGA های شرکت Xilinx پیاده سازی می شود.پردازنده مذکور قابلیت تولید chain code را برای یک تصویر با ابعاد حداکثر 256*256 پیکسل سیاه و سفید دارا می باشد که البته در صورت نیاز این ابعاد قابل گسترش می باشند. همچنین این پردازنده، طول، عرض، محیط و مساحت شیء موجود در تصویر را نیز علاوه بر تولید کد به دست می آورد.

برنامه ریزی مورد پایه که همچون استدلال مورد پایه داری ساز و کاری مبتنی بر قیاس است، دارای قابلیتهای کاربردی وسیع در طیف گسترده ای از مسائل برنامه ریزی می باشد. از جمله این مسائل می توان به طراحی و برنامه ریزی سامانه های چند کارگزاره که اخیرا به عنوان یک ابزار پردازشی توانمند در محیطهای تعاملی و تراکنشی شناخته شده است، اشاره نمود. از جمله این محیطهای تعاملی می توان به محیطهای انتقال مفاهیم و مهارتهای تخصصی اشاره کرد. سامانه های آموزشگر هوشمند که در دهه اخیر بیشترین توجه را در ساز و کارهای رایانشی انتقال مفاهیم به خود اختصاص داده، از جمله بسترهایی است که بخوبی بکارگیری تعاملات چند عامله را جذب نموده است. در این مقاله ساختار سامانه ای معرفی می شود که با بهره گیری از توانایی های برنامه ریزی مورد پایه، سامانه چند کارگزاره ای را طراحی می نماید که جوابگوی نیازهای یک سامانه آموزشگر هوشمند باشد.

درخت تصمیم یکی از روشهای نمایش دانش بوسیله یادگیرنده های استقرایی می باشد که طی بیست سال گذشته مورد توجه بوده است. استقراء درخت تصمیم در محیط های مغشوش شامل دو مرحله توسعه درخت و هرس آن می باشد که هر کدام نقش به سزایی در افزایش دقت درخت تصمیم نهایی ایفا می کند. اخیرا استفاده از پردازش موازی به منظور توسعه درخت تصمیم مطرح شده است که زمان یادگیری بر روی مجموعه های آموزشی بزرگ را کاهش می دهد. در این مقاله یک روش جدید موازی سازی در سطح گره، جهت توسعه درخت پیشنهاد شده است که با استفاده از ترکیب چندین روش یادگیری بصورت موازی سعی در بهبود دقت درخت حاصله دارد. در این روش ابتدا مجموعه آموزشی به صورت تصادفی به چند قسمت همپوشان تقسیم شده و هر قسمت در اختیار یک پردازنده قرار میگیرد. پردازنده ها پس از انجام عمل یادگیری در هر گره، نتایج را در اختیار پردازنده دیگری (ناظر) قرار میدهد، این پردازنده با استفاده از دو مدل فازی و کرامر، درخت نهایی را تولید می کند. در صورتیکه تعداد نمونه های مجموعه آموزشی کافی بوده و توزیع کلاسها و خصیصه ها در آن یکنواخت باشد، دقت درخت مورد نظر بهبود می یابد.

تاکنون روشهای مختلفی برای حل «مساله کنترل» که یکی از مشکلات اساسی در برنامه ریزی در هوش مصنوعی است، ارائه شده است. یکی از این روشها که فرابرنامه ریزی نام دارد، پیشنهاد می کند برنامه ریزی در دو سطح انجام شود. سطح اول وظیفه برنامه ریزی و حل مساله اصلی را بر عهده دارد و سطح دوم از برنامه ریزی دیگری برای هدایت برنامه ریز سطح اول در مسیر صحیح حل مساله و حل مساله کنترل استفاده می کند. تنها فرابرنامه ریزی که تاکنون پیاده سازی و بکار گرفته شده است، فرابرنامه ریزی به نام مالجین (1981) است که در آن سطح فرابرنامه ریزی تنها برای یک دامنه خاص (ژنتیک مولکولی) پیاده سای شده است. به عبارت دیگر فرابرنامه ریز مالجین وابسته به دامنه خاص ژنتیک مولکولی است و فراقوانین بکار گرفته شده در لایه فرابرنامه ریزی آن تنها در این دامنه قابل استفاده است. در این مقاله فرابرنامه ریز مستقل از دامنه ای که آن را فیلسوف نامیدیم معرفی میگردد که قادر است فراقوانین کنترلی حاکم بر هر دامنه ای را با حل چند مساله دامنه استخراج نماید و با بکارگیری این قوانین، زمان حل مسائل آتی آن دامنه را بهبود بخشد.

در این مقاله سیستم تشخیص نفوذی ارائه می شود که قادر است حملات مبتنی بر شبکه را با روش تشخیص ناهنجاری و بوسیله شبکه های عصبی تشخیص دهد. این سیستم با دریافت بسته ها از شبکه، ویژگی های اتصالات را استخراج کرده و پس از پیش پردازشی بر روی اتصالات با استفاده از دسته بندی شبکه های عصبی رفتارهای غیرعادی را در سطح شبکه تشخیص می دهد. شبکه های عصبی مورد استفاده BP و) PBH هیبرید پرسپترن و BP) می باشد. همگرایی سریع و تعداد کم اتصالات شبکه PBH نسبت به شبکه BP باعث بالا رفتن قدرت دسته بندی و در نتیجه افزایش کارایی سیستم و کاهش نرخ اعلان خطاها می شود.

رشد سریع ترافیک در اینترنت و نیز ضرورت استفاده از کاربردهای چند رسانه ای جدید، منجر به لزوم استفاده از لینک های پر سرعت در حد چندین گیگابایت در ثانیه در مسیریاب های اصلی اینترنت شده است. یکی از مهم ترین گلوگاه ها در مسیر یاب های IP، جستجوی جدول مسیریابی و یافتن پورت مناسب برای ارسال بسته است. مشکل این کار در این است که این جستجو باید به صورتی باشد که طولانی ترین تطبیق انتخاب شود. در سال های اخیر روش های مختلف نرم افزاری و سخت افزاری برای این کار ارائه شده است. در این مقاله یک روش جدید برای پیاده سازی جستجو در جدول مسیریابی IP با استفاده از سخت افزار قابل بازپیکربندی معرفی می شود. نتایج بدست امده نشان می دهد که این روش وقتی به صورت خط لوله ای پیاده سازی شود. به بازدهی یک جستجو در هر پالس ساعت در جدول مسیریابی می انجامد، ضمن اینکه به علت عدم وجود دسترسی به حافظه، می توان از فرکانس ساعت بالاتری نسبت به سایر روش ها استفاده نمود.

ماشین بردار پشتیبان یا SVM رویکرد جدیدی به روشهای یادگیری می باشد. هدف اصلی در SVM یافتن ابر صفحه ایمی باشد، که داده های چند بعدی را به دو کلاس مختلف تقسیم کند. در این کار تحقیقی قصد استفاده از SVM برای شناسایی نوع زبان گوینده را داریم، در سیستم ارائه شده از تکنیک کوانتیزاسیون برداری یا VQ به منظور کاستن تعداد نمونه های آموزشی و در نتیجه کاهش زمان آموزش سیستم استفاده شده است. در آزمایشات انجام شده تاثیر میزان داده آموزشی، میزان داده تست، نوع ویژگی و نوع تابع هسته مورداستفاده در SVM بررسی شده است. با توجه به نتایج بدست آمده می توان گفت، استفاده از VQ قبل از کلاسبندی نمونه های آموزشی در عین حال که زمان آموزش سیستم را به شدت کاهش می دهد، کارایی سیستم را نیز حفظ می کند. با توجه به نتایج بدست آمده با استفاده از ضرایب ویژگی MFCC و مشتقات آن به همراه دسته بندی کننده SVM با تابع هسته گوسی می توان به راندمانی در حدود %95.38 برای شناسایی نوع زبان گوینده دست یافت.

شبکه ها نیاز مبرمی به یک سیستم مدیریت مفید، کارا و کاملا یکپارچه دارند. با توجه به گسترش شبکه های فعال و کاربردهای آنها، مدیریت یکپارچه می تواند بسیاری از مشکلات کنونی آنها را همانند توسعه سرویس رفع، بهینه و یا تسهیل نماید. چارچوبهای مدیریتی کنونی در شبکه های فعال، هر کدام یا دارای پروتکل مدیریتی خاص خود هستند و یا تنها از یک پروتکل مدیریتی استاندارد خاص همانند SNMP استفاده می کنند و نمی توانند تمامی نیازهای کاربران مدیریتی را پاسخگو باشند. بنابراین، یک زیرساخت مدیریتی یکپارچه می تواند با استفاده از امکانات شبکه های فعال، خصوصیات بسیاری را همانند افزایش میزان توسعه پذیری، توانایی غلبه بر ناهمگونی، افزایش تواناییهای توسعه سرویسهای جدید و مدیریت شبکه، افزایش کارایی و سهولت استفاده در شبکه های فعال ایجاد کند.در این مقاله ابتدا به بررسی خصوصیات مدیریت شبکه فعال خواهیم پرداخت. سپس، راه حلی را ارائه خواهیم داد که می تواند مدیریت شبکه های فعال را به صورت کاملا یکپارچه انجام دهد، دیدگاه واحد و توانمندی را از مدیریت شبکه فراهم آورد و سرویسهای اولیه و بستری کامل را برای مدیریت شبکه های فعال، در سطحی وسیع و محیطی ناهمگون ارائه دهد و در نهایت، خصوصیات معماری پیشنهادی را با روشهای قبلی مقایسه خواهیم نمود.

با توجه به افزایش قدرت و کاهش روزافزون قیمت کامپیوترهای شخصی و همچنین رشد و توسعه شبکه های کامپیوتری، در سالهای اخیر تلاش گسترده ای برای ساخت سیستمهای پردازش موازی مبتنی بر سخت افزارهای آماده صورت گرفته است. در این مقاله ضمن معرفی سیستم پردازش موازی ساخته شده (AkuCluster)، محیط پیاده سازی شده و الگوریتم تغییر همبندی که برای آن طراحی شده است ارائه می شود. قابلیت تغییر همبندی این امکان را فراهم می کند که متناسب با الگوریتم موازی کاربردی و برای نزدیک شدن به بهترین کارایی، سیستم پیکربندی مجدد گردد. برای نمایش اهمیت انعطاف پذیری در همبندی و کارایی سیستم دو سنجش موازی معروف اجرا و نتایج آن بررسی و تحلیل شده است.

شبکه های عصبی یکی از روشهای پر کاربرد در یادگیری سیستمهای هوشمند است که کارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر بهینه سازی ساختار و رفتار شبکه عصبی بر اساس مقادیر مطلوب شده است. برای آموزش شبکه از الگوریتم ژنتیک استفاده شده و علاوه بر توجه به تعداد لایه ها و نرون های موجود در لایه میانی، به آموزش رفتار نرون ها با بهینه سازی مقدار پارامتر داخلی نرونها در توابع انعطاف پذیر پرداخته می شود. این مقاله نشان می دهد که جهت بهینه سازی ساختار یک شبکه عصبی، تعداد توابع (نرونها) لایه میانی باید بر حسب نیاز و دینامیک سیستم، بازسازی و بهینه گردد.

مهمترین مساله در ایجاد یک سیستم توزیع شده امن، احراز هویت کاربران سیستم است. ساده ترین تکنیک در احراز هویت کاربران استفاده از کلمه عبور است. در این مقاله سیستم احراز هویتی بر مبنای کلمه عبور ارائه می شود. اساس این سیستم پروتکل Gong است که پروتکلی مقاوم در برابر حدس کلمه عبور و در عین حال بهینه در نوع خود است. معماری سیستم به صورت سلسله مراتبی و در دو سطح است. احراز هویت در هر ناحیه به صورت متمرکز و توسط دو کارگزار بر خط و یک پایگاه داده انجام می شود، علاوه بر این سیستم خاصیت SSO و forward secrecy را نیز پشتیبانی می کند.

در سیستم های امن تحت شبکه های کامپیوتری، کلید نشست در فاز ورود به سیستم (SSO) در اختیار کاربر قرار می گیرد، و این کلید ضامن امنیت در ارتباط بین کاربر و کارگزار می باشد. کاربر برای در اختیار گرفتن این کلید، باید کلمه عبور را در اختیار داشته باشد. به منظور اینکه در مرحله SSO فرآیند تحویل کلید نشست به کاربر از گزند مهاجمان محفوظ بماند، و افشا نگردد، پروتکلهایی موجود است.این مقاله ابتدا به معرفی پروتکلهای SSO موجود پرداخته است، سپس این پروتکلها ارزیابی شده و نقاط ضعف آنها مشخص شده اند و در نهایت پروتکل جدیدی ارائه شده است، که برخی از مشکلات پروتکل های پیشین را رفع می نماید. پروتکل پیشنهادی نیز دارای نقاط ضعفی می باشد، که به آن اشاره شده است.

در این مقاله، هدف طراحی یک سیستم فازی - عصبی بر اساس تعدادی زوج داده ورودی – خروجی و آموزش پارامترهای تالی سیستم فازی با استفاده از روش گرادیان نزولی، می باشد. برای انجام این کار ابتدا مجموعه های فازی را به گونه ای تعریف می کنیم که زوج های ورودی – خرو جی را پوشش دهند، سپس از روی هر یک از زوج داده ها، قاعده ای تولید می کنیم. در ادامه قواعد متضاد را حذف کرده، پایگاه قواعد فازی را ایجاد می نماییم و در مرحله بعدی بر اساس پایگاه قواعد فازی تولید شده، سیستم فازی را ایجاد می کنیم. در آخر با استفاده از روش گرادیان نزولی و آموزش دادن y ها، مراکز مجموعه های فازی خروجی، سیستم فازی را آموزش می دهیم. جهت ارزیابی طراحی پیشنهادی، مدل کامیون را، از دو روش فازی معمول و روش پیشنهادی مورد مقایسه قرار دادیم. نتایج حاصله قابلیت سیستم فازی – عصبی پیشنهادی را در کنترل کامیون نشان می دهد.

سازمان نرم افزاری یادگیر، سازمانی است که در حوزه ساخت و نگهداری سیستمهای نرم افزاری قابلیت یادگیری دارد. این یادگیری بر پایه دانش و تجارب مرتبط با فرایندها، محصولات، ابزارها، تکنیکها و روشهای متفاوت به کار گرفته در فرایند ساخت نرم افزار می باشد. استفاده از تجربیات و درسهای آموخته شده در تولید نرم افزار، به خصوص نرم افزارهای پیچیده، نقشی کلیدی در افزایش موفقیت در تولید بهینه نرم افزارهای مشابه دارد. یکی از مشکلات بزرگ صنعت نرم افزار کشور این است که سازمانهای فعال در صنعت نرم افزار کشور به ندرت قابلیت یادگیری دارند و دارای مکانیزمهای لازم برای بهره گیری سیستماتیک از تجارب حاصل در پروژه های نرم افزاری نمی باشند. ایده ای که دراین مقاله مطرح می شود بیان ضرورت و نیاز ایجاد سازمانهای نرم افزاری یادگیر در صنعت نرم افزار کشور می باشد. در این مقاله، فعالیت یک گروه تخصصی در ایجاد سیستم مدیریت تجارب گزارش می شود. بدین منظور یکی از پروژه های بزرگ و پیچیده این گروه که در زمینه ساخت نرم افزارهای مخابراتی فعالیت می کند، به نام پروژه مدیریت شبکه سوییچ ایران به عنوان مطالعه موردی انتخاب شده است. تمرکز اصلی این مقاله بر روی بازنمایی و ثبت تجربه است و به این منظور قالبی به نام طرح تجربه پیشنهاد و چند تجربه مرتبط با فرایند و ابزار توسط آن بازنمایی می گردد.

حدآستانه شنوایی گوش انسان کاربرد وسیعی در سیستمهای کد کردن گفتار دارد. از این رو محاسبه این حد آستانه با یک شیوه دقیق و مطمئن، می تواند نقش مهمی در سیستمهای کد کردن گفتار داشته باشد. کار حاضر شیوه ای برای محاسبه مدل فرکانسی شنوایی گوش انسان و تقریبی ازحدآستانه شنوایی ارائه می دهد و آزمایشهایی را برای اطمینان از صحت مدل بدست آمده طرح می کند و روشی برای استفاده از آن در بهبود و بازشناسی گفتار پیشنهاد می کند.

واحدهای اجرایی در پردازنده های امروزی موثرترین قسمت برای بدست آوردن کارایی می باشند. با توجه به اینکه در پردازنده های مدرن کنونی امکان اجرای چندین دستور در یک سیکل فراهم شده است. برای پشتیبانی و اجرای دستورات بصورت موازی نیاز به منابع بیشتری در پردازنده ها وجود دارد. از جمله این منابع، واحدهای اجرایی هستند. از طرف دیگر افزایش این منابع باعث افزایش توان، سطح و بطور کلی هزینه پردازنده می شود. در این مقاله، ما تعداد واحدهای اجرای یک پردازنده ابر عددی نمونه که از نظر توان مصرفی و کارایی بهینه شده را بدست می آوریم.

یکی از ابزارهای هوش مصنوعی شبکه های عصبی مصنوعی است که امروزه مورد توجه بسیاری از محققان و دانش پژوهان می باشد. بدلیل قابلیت های فراوان این ابزار در کاربردهای مختلف، مدل های گوناگونی برای آن طرح شده است که یکی از این مدل ها، شبکه های پرسپترون چند لایه پیشرو است که با الگوریتم پس انتشار خطا آموزش داده می شوند. در این مقاله هدف، استفاده از این شبکه ها جهت تشخیص جنسیت افراد از روی چهره می باشد. نتایج بدست آمده در آزمایشات انجام گرفته موید آن است که بین %85 الی %95 تشخیص چهره های ناآزموده با موفقیت انجام گرفته که نشان دهنده توانایی مناسب شبکه های پرسپترون چند لایه ای در حل مساله تشخیص جنسیت و مسائلی از این قبیل می باشد. در این روش از روش های پردازش چهره بعنوان پیش پردازش تصاویر استفاده شده است. همچنین با مقایسه این روش با سایر روش ها نظیر استفاده از حافظه خود القاء و آنالیز مولفه های اصلی چهره به کارایی این روش می توان پی برد.

الگوریتم رمزنگار معماگر، یک الگوریتم رمزنگار قطعه ای با قطعه ورودی، خروجی و کلید 610 بیتی می باشد. طراحان این الگوریتم آنرا برای پیاده سازی سخت افزاری مناسب می دانند. در این مقاله ضمن بررسی این ادعا به طراحی یک پردازنده خاص منظوره جهت پیاده سازی الگوریتم رمزنگار معماگر بر روی FPGA می پردازیم. این پردازنده خاص منظوره با هدف رمز / ترجمه رمز کردن یک قطعه ورودی در هر پالس ساعت طراحی شده است. نتایج حاصل از سنتز طرح بر روی تراشه Virtex-XCV560 نشان می دهد که پردازنده طرح شده با فرکانس پالس ساعت 49.5 مگاهرتز توانایی رمز / ترجمه رمز کردن داده ها با سرعت 7.92 گیگابیت بر ثانیه را خواهد داشت. مقایسه نتایج بدست آمده از سنتز طرح انجام شده با نتایج گزارش شده در برای سنتز الگوریتم های فینالیست AES و سنتز 3DES  نشان می دهد، الگوریتم رمزنگار معماگر قابلیت پیاده سازی سخت افزاری با مقدار Throughput/Area بالا را دارد.

امروزه سویچهای با صف ورودی، در طراحی روترهای سریع استفاده می شوند. هر چه سرعت سویچ افزایش می یابد، زمانبندی بسته ها با اهمیت تر می شود. زیرا باید زمان محاسبه تطابق بین ورودی و خروجی به حداقل ممکن برسد.در این مقاله از تبدیل LJ، استفاده می شود و الگوریتمی ارایه می شود که بتواند تطابق بین ورودی و خروجی را با پیچیدگی زمانی O(n2) محاسبه کند که n تعداد پورتهای ورودی/ خروجی سویچ می باشد. و این زمان نسبت به الگوریتم قبلی با پیچیدگی زمانی O(n3) بهتر می باشد. این الگوریتم همچنین نیاز به حافظه با O(n) دارد که مشابه الگوریتم قبلی می باشد.

در این مقاله طرح محیطی برای تحقیق در مورد الگوریتمهای خوشه بندی ژنتیک جهت استخراج ساختار پیمانه ای بهینه برنامه ها از کد ارایه شده است. با ارایه ساختاری کلی برای این دسته از الگوریتمها و طرح رابطه ای استاندارد برای اجزاء تشکیل دهنده، امکان تحقیق با جایگزینی سریع اجزاء در محیط محقق فراهم شده است. پس از هر جایگزینی می توان الگوریتم را اجرا و نتایج را با نتایج حاصل از اجراهای قبلی مقایسه و مشاهده نمود. با استفاده از این امکان فرایند تکاملی الگوریتم نوین خوشه بندی مبتنی بر عملگر کدگذاری جدید در این مقاله ارایه و ارزیابی شده است. ارزیابی از طریق مقایسه با نتایج قبلی و یا با مدل مرجع امکان پذیر است. در صورت عدم وجود مدل مرجع می توان با مقایسه و ترکیب نتایج خوشه بندیهای حاصل از چند بار اجرا یک الگوریتم خوشه بندی مدل مرجع را در محیط محقق ایجاد نمود.

هدف از مدیریت تردد یک گروه آسانسور تخصیص بهترین آسانسور جهت پاسخ گویی به درخواست های استفاده از آن با بهینه کردن معیارهای ارزیابی می باشد. یک سیستم مدیریت تردد شامل بخش های تشخیص الگوی تردد، تعیین روش مدیریت، و بخش پاسخ گویی به تقاضا می باشد. در هر یک از بخش های فوق ابزار متفاوتی نظیر سیستم های خبره و شبکه های عصبی بکار گرفته شده است. در این مقاله استفاده از عامل های هوشمند جهت تخصیص بهینه آسانسورها پیشنهاد می گردد، و چگونگی پیاده سازی و نتایج حاصل شرح داده می شود.در سیستم پیشنهادی برای هر آسانسور عاملی وجود دارد که از معماری مبتنی بر قواعد پیروی می کند، و وظیفه پیش گویی زمان پاسخ و معیارهای تصمیم گیری برای یکی از آسانسورها را به عهده دارد. مقادیر محاسبه شده در اختیار عامل دیگری قرار می گیرد، و مناسب ترین آسانسور برای سرویس دهی انتخاب می شود. نتایج نشان می دهد که در این سیستم معیارهای ارزیابی در مقایسه با سیستم های موجود بهبود می یابد.

در این مقاله روشی برای شناسایی اعداد دستنو یس فارسی ارائه شده است که در آن از ویژگیهای استخراج شده از گرادیان تصویر استفاده می شود. روش مزبور قبلا در زمینه شناسایی اعداد انگلیسی مورد استفاده قرار گرفته است. در این روش، ابتدا تصویر به اندازه استاندارد نرمال شده و گرادیان تصویر محاسبه می گردد. سپس برای هر نقطه از تصویر، زاویه گرادیان محاسبه شده و به 4 یا 8 زاویه استاندارد، تبدیل می گردد. از روی تصویر گردایان حاصل، 4 یا 8 تصویر مجزا ساخته می شود که هر کدام از این تصاویر مقادیر گرادیان مربوط به یکی از زوایای استاندارد را در خود نگه می دارد. با نمونه برداری از تصاویر فوق ویژگیهای نهایی استخراج می شوند. در روش ارائه شده، عمل دسته بندی با استفاده از ماشینهای بردار پشتیبان (support vector machines) نمونه آزمایشی، مورد آزمون قرار 3939 صورت گرفته است. روش معرفی شده، با استفاده از گرفته است که میزان تشخیص 99.59 درصد بدست آمده است.

شبکه های فعالیت تصادفی (SANs) یکی از بسط های قوی و قابل انعطاف شبکه های پتری است. اخیرا یک بسط شیئی گرا با نام شبکه های فعالیت تصادفی شیئی (OSAN: Object Stochastic Activity Networks) برای این مدلها معرفی شده است. هدف از این بسط فراهم سازی تسهیلات سطح بالا برای مدلسازی سیستم های پیچیده و بزرگ است. برای مدلسازی و حلیل با شبکه های فعالیت شیئی نیاز به یک ابزار مدلسازی است که ساخت مدل و تحلیل جنبه های منطقی و عملیاتی آنرا امکانپذیر نماید. در این مقاله ابزاری را معرفی خواهیم کرد که برای مدلسازی با OSAN طراحی شده است. این ابزار امکان ویرایش و متحرک سازی مدل و حل حالت پایدار مدل با روشهای تحلیلی و شبیه سازی را فراهم می کند. به منظور نزدیک کردن مفاهیمی از قبیل درستی یابی و ارزیابی کارآیی با مفاهیمی از قبیل مدلسازی شی گرا (OOM) و مدلسازی فرآیندهای تجاری (BPM) این ابزار را به صورت یک plug-In روی Together ساخته ایم. به این ترتیب برخی از جنبه های سیستم به کمک UML و جنبه های دیگر آن به کمک OSAN قابل مدلسازی و تحلیل است.

یکی از موارد مهم طراحی در مسیریاب های IP نسل جدید، مکانیزم جستجوی مسیر است. به ازای هر بسته، بخش جستجوی مسیر، باید عمل تطبیق IP مقصد، با طولانی ترین پیشوند را انجام دهد تا پورت خروجی بسته مشخص شود. در این مقاله، یک روش جستجوی مسیر سریع ارائه شده است، که نیاز به یک حافظه کوچک دارد و می تواند به آسانی در سخت افزار پیاده سازی شود. در این روش اکثر جستجوها به یک دسترسی به حافظه نیاز دارند و هیچ جستجویی بیش از 3 بار دسترسی نیاز ندارد، در صورت استفاده از روش خط لوله، همه جستجوها با یک بار دسترسی به حافظه انجام می شوند. این روش اگر در حافظه های امروزی با تاخیر 10 نانوثانیه پیاده سازی شود، می تواند 100 میلیون جستجوی مسیر در ثانیه انجام دهد،که بسیار سریعتر از روش های رایج پیاده سازی شده است. این مقاله همچنین به پیاده سازی توام سخت افزاری و نرم افزاری انجام شده این روش می پردازد که برای مسیریاب های Access بهینه و بر روی FPGA پیاده سازی گردیده است که حجم حافظه و اندازه گیت مصرفی در آن پایین می باشد. این روش در مقایسه با روشهای مشابه در این سطح بسیار بهینه بوده و با سرعت پالس ساعت پایین، بیش از 10 میلیون جستجو در ثانیه انجام می دهد.

ما در این مقاله با توجه به مزایای زمان بندی سلسله مراتبی یک روش جدید سلسله مراتبی با استفاده از (start-time Fair Queuing) SFQ و E-LOSS را پیشنهاد می کنیم که ضمن تامین QOs جریانهای ترافیکی بلادرنگ، تخصیص عادلانه پهنای باند را ممکن می سازد. روش E-LOSS نوع اصلاح شده از EDF با بافر محدود است که قابلیت مدیریت صف فعال را نیز دارا می باشد. بعبارت دیگر جریانهای ترافیکی بلادرنگ در این طرح می توانند، کارایی تاخیر خوبی دریافت کنند. استفاده از الگوریتم SFQ بعنوان زمانبند اشتراک لینک تخصیص عادلانه پهنای باند را حتی در شرایط ترافیکی VBR امکان پذیر می نماید.نتایج شبیه سازی نشان میدهد که طرح پیشنهادی ما تقریبا کارایی تاخیری مشابه با روش E-LOSS ارائه می دهد، ضمن آنکه تخصیص پهنای باند عادلانه ترین را بین کلاس ترافیکی بلادرنگ و کلاس ترافیکی best-effort نسبت به روش E-LOSS ارائه می دهد و ضمنا پهنای باند بیکار و اضافی را نیز همانند روش SFQ عادلانه بکار می گیرد.