تجارت الکترونیکی به عنوان یکی از مهمترین مفاهیم قرون بیست و بیست و یکم مطرح گردیده است. این امر به خاطر دلایل بسیار منحصر به فردی از قبیل اینکه تجارت الکترونیکی، ترکیبی از فناوری، کسب و کار، بازاریابی و طراحی میباشد، مطرح شده است. بازاریابی نیز همانند دیگر موارد فوق از چکیده کامل
تجارت الکترونیکی به عنوان یکی از مهمترین مفاهیم قرون بیست و بیست و یکم مطرح گردیده است. این امر به خاطر دلایل بسیار منحصر به فردی از قبیل اینکه تجارت الکترونیکی، ترکیبی از فناوری، کسب و کار، بازاریابی و طراحی میباشد، مطرح شده است. بازاریابی نیز همانند دیگر موارد فوق از تاریخچه طولانی برخوردار است. با این وجود، طلوع اینترنت و تجارت الکترونیکی، کاربرد و عملکرد آنرا به شکلی نوین تغییر داده است. از تکنیکهای نوین بازاریابی می توان “بازاریابی ویروسی” و بازاریابی شبکهای را نام برد. بازاریابی ویروسی به گونه ای از بازاریابی اطلاق میشود که مبتنی بر پخش پیغام بازاریابی از طریق افراد جامعه، همانند یک ویروس، باشد. بازاریابی شبکهای شکل دیگری از بازاریابی ویروسی است که با تشویق خریداران، پیغام بازاریابی خود را به طور ویروسی منتشر مینماید. مطالعه حاضر به بررسی و مرور استراتژی- های مختلف و نکات کلیدی بازاریابی ویروسی و شبکهای اختصاص یافته است. در مقوله بازاریابی، ویترینگردی یکی از مهمترین مسائل مطرح به منظور انجام معاملات تجاری میباشد. در این تحقیق، ویترینگردی به معنی پرس و جو در مورد کالاها و خدمات، بدون اقدام به خرید آنها میباشد. هدف اصلی این مطالعه بررسی تاثیر پدیده اجتماعی ویترینگردی بر استراتژیهای بازاریابی ویروسی میباشد. روش تحقیق در تجارت الکترونیکی به عنوان یکی از مهمترین مفاهیم قرون بیست و بیست و یکم مطرح گردیده است. این امر به خاطر دلایل بسیار منحصر به فردی از قبیل اینکه تجارت الکترونیکی، ترکیبی از فناوری، کسب و کار، بازاریابی و طراحی میباشد، مطرح شده است. بازاریابی نیز همانند دیگر موارد فوق از تاریخچه طولانی برخوردار است. با این وجود، طلوع اینترنت و تجارت الکترونیکی، کاربرد و عملکرد آنرا به شکلی نوین تغییر داده است. از تکنیکهای نوین بازاریابی می توان “بازاریابی ویروسی” و بازاریابی شبکهای را نام برد. بازاریابی ویروسی به گونه ای از بازاریابی اطلاق میشود که مبتنی بر پخش پیغام بازاریابی از طریق افراد جامعه، همانند یک ویروس، باشد. بازاریابی شبکهای شکل دیگری از بازاریابی ویروسی است که با تشویق خریداران، پیغام بازاریابی خود را به طور ویروسی منتشر مینماید. مطالعه حاضر به بررسی و مرور استراتژی- های مختلف و نکات کلیدی بازاریابی ویروسی و شبکهای اختصاص یافته است. در مقوله بازاریابی، ویترینگردی یکی از مهمترین مسائل مطرح به منظور انجام معاملات تجاری میباشد. در این تحقیق، ویترینگردی به معنی پرس و جو در مورد کالاها و خدمات، بدون اقدام به خرید آنها میباشد. هدف اصلی این مطالعه بررسی تاثیر پدیده اجتماعی ویترینگردی بر استراتژیهای بازاریابی ویروسی میباشد. روش تحقیق در
پرونده مقاله
یکی از حوزههای تحقیقاتی مهم در پردازش تصویر، فشرده-سازی تصاویر است. تاکنون روشهای مختلفی برای فشرده-سازی تصویر ارائه شدهاست، در این میان شبکههای عصبی مخاطبان زیادی را به خود جذب کردهاند. متداولترین روش آموزشی شبکههای عصبی، روش پس انتشار خطاست که همگرایی کند و توق چکیده کامل
یکی از حوزههای تحقیقاتی مهم در پردازش تصویر، فشرده-سازی تصاویر است. تاکنون روشهای مختلفی برای فشرده-سازی تصویر ارائه شدهاست، در این میان شبکههای عصبی مخاطبان زیادی را به خود جذب کردهاند. متداولترین روش آموزشی شبکههای عصبی، روش پس انتشار خطاست که همگرایی کند و توقف در بهینههای محلی از مهمترین نقاط ضعف آن محسوب میشوند . رویکرد جدید محققین، استفاده از الگوریتمهای ابتکاری در فرایند آموزش شبکههای عصبی است. در این مقاله، روش آموزشی نوینی مبتنی بر روش جستجوی گرانشی (GSA) معرفی میشود. روش جستجوی گرانشی آخرین و جدیدترین نسخه از انواع روشهای جستجو و بهینهسازی هوش جمعی است. در این روش پاسخهای کاندید در فضای جستجو اجرامی هستند که توسط نیروی گرانش بر یکدیگر اثر گذاشته و موقعیتشان تغییر می-کند. به تدریج اجرام با برازندگی بهتر دارای جرم بیشتری می-شوند و بر اجرام دیگر تاثیر بیشتری میگذارند. در تحقیق حاضر با استفاده از الگوریتم GSA یک شبکه عصبی MLP به منظور فشرده سازی تصاویر آموزش داده می-شود. برای ارزیابی کارایی فشردهساز ارائه شده عملکرد آن با الگوریتم بهینهسازی گروه ذرات و روش متداول پس انتشار خطا در فشردهسازی چهار تصویر استاندارد مقایسه میشود. نتایج نهایی گویای قابلیت چشمگیر روش GSA در آموزش شبکههای عصبی MLP میباشد.
پرونده مقاله
سیستم های تشخیص نفوذ در شبکه ، ابزارهایی هستند که به منظور محافظت از منابع شبکه در مقابل حملات استفاده می شوند. با توجه به گستردگی حملات در فضای اینترنت و تغییر در شکل و نوع حملات از حالت متمرکز به توزیع شده ، معماری اینگونه سیستم ها نیز به سمت توزیع شدگی حرکت می کند. د چکیده کامل
سیستم های تشخیص نفوذ در شبکه ، ابزارهایی هستند که به منظور محافظت از منابع شبکه در مقابل حملات استفاده می شوند. با توجه به گستردگی حملات در فضای اینترنت و تغییر در شکل و نوع حملات از حالت متمرکز به توزیع شده ، معماری اینگونه سیستم ها نیز به سمت توزیع شدگی حرکت می کند. در این مقاله روشی مبتنی برعاملهای متحرک که به عنوان سنسورهای تشخیص دهنده حرکات غیر معتبر عمل می کنند پیشنهاد شده است. عاملهای متحرک تشخیص دهنده حمله به صورت پراکنده در شبکه در حال جابجایی از یک گره به گره دیگر می باشند و در هر زمان یک شبکه فوقانی امنیتی را ساخته و با استفاده از نوعی بازی همکارانه و برقراری ارتباط با یکدیگر ، پس از رسیدن به مقدار شیپلی می توانند میزان و منشاء حمله را تشخیص و گزارش دهند. در این مقاله روشی پیشنهاد شده است که WGA در یک بازی غیرهمکارانه با عنصر مهاجم سعی در برقراری یک ارتباط مکاشفه ای جهت محاسبه مقدار نش و رسیدن به حداکثر سودمندی را دارد تا بتواند ضمن تفکیک حملات و یا درخواستهای واقعی،میزان و شدت حمله را با کمک سایر WGA بدست آورد.
پرونده مقاله
پیشرفت های اخیر در زمینه الکترونیک و مخابرات بی سیم، توانایی طراحی و ساخت حسگرهایی را با توان مصرفی پایین، اندازه کوچک، قیمت مناسب و کاربری های گوناگون داده است. ظرفیت محدود انرژی حسگرها، چالش بزرگی است که این شبکه ها را تحت تاثیر قرار می دهد. خوشه بندی به عنوان یکی از چکیده کامل
پیشرفت های اخیر در زمینه الکترونیک و مخابرات بی سیم، توانایی طراحی و ساخت حسگرهایی را با توان مصرفی پایین، اندازه کوچک، قیمت مناسب و کاربری های گوناگون داده است. ظرفیت محدود انرژی حسگرها، چالش بزرگی است که این شبکه ها را تحت تاثیر قرار می دهد. خوشه بندی به عنوان یکی از روش های شناخته شده برای مدیریت این چالش استفاده می شو. برای یافتن مکان مناسب سرخوشه ها از الگوریتم رقابت استعماری که یکی از شاخه های هوش محاسباتی می باشد استفاده شده است. سرخوشه ها توسط مدل سه سطحی در ارتباط هستند، تا سرخوشه هایی با ظرفیت انرژی کم و دور از ایستگاه به عنوان سطح سوم شناخته شده و به طور غیر مستقیم با ایستگاه پایه به تبادل اطلاعات بپردازد. این موضوع باعث افزایش طول عمر شبکه های حسگر بی سیم می شود.
پرونده مقاله
رویکرد بیمار محور در حوزه سلامت به تازگی در حوزه نظام پزشکی کشور ما مطرح شده است ولی تا کنون در زمینه عوامل رضایت بیمار از پزشک تحقیق علمی منتشر شده ای وجود ندارد. مقاله حاضر قصد دارد خلاء بیان شده را با ارزیابی علمی مبتنی بر اطلاعات واقعی کسب شده از مطالعه میدانی پوشش چکیده کامل
رویکرد بیمار محور در حوزه سلامت به تازگی در حوزه نظام پزشکی کشور ما مطرح شده است ولی تا کنون در زمینه عوامل رضایت بیمار از پزشک تحقیق علمی منتشر شده ای وجود ندارد. مقاله حاضر قصد دارد خلاء بیان شده را با ارزیابی علمی مبتنی بر اطلاعات واقعی کسب شده از مطالعه میدانی پوشش دهد.در این راستا با مرور ادبیات و مدلهای حوزه ارائه خدمات؛ پرسشنامه ای برای حوزه سلامت طراحی و با نظر خبرگان مورد تایید قرار گرفت. به منظور کسب نظر بیماران پرسشنامه بین 500 نفر از افرادی که عمل جراحی زیبایی بینی در تهران انجام دادند، توزیع شد و 395 پرسشنامه جمع آوری شد. تعداد برای تحلیل داده ها، از سه روش درخت تصمیم، ماشین بردار پشتیبان و شبکههای عصبی، استفاده شد. تحلیل نتایج بر حسب معیار صحت نشان داد که کاراترین روش، در اولویت اهمیت عوامل موثر بر رضایت بیمار؛ روش شبکه عصبی بوده است. نتایج تحلیل با این روش حاکی از آن است که موثرترین ویژگی در رضایتمندی بیمار از پزشک، اطلاعاتی است که بیمار انتظار دارد پزشک در اختیارش قرار دهد. نتایج رتبه بندی عوامل در مقایسه با سایر مطالعاتی که تنها از روشهای آماری برای تحلیل استفاده شده بودنشان داد که نتایج نسبتا مشابه بوده و یکدیگر را تایید میکردند. ولی توامندیهایی که روش شبکه عصبی در مدلسازی دارد نقطه قوت این روش نسبت به مطالعات مذکور است.
پرونده مقاله
هدف سرویسهای اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماریها و صدمات میباشد. اعزام سریع سرویسهای اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویسهای اورژانس پزشکی میباشد. روش معمول در اعزام آمبولانسها چکیده کامل
هدف سرویسهای اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماریها و صدمات میباشد. اعزام سریع سرویسهای اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویسهای اورژانس پزشکی میباشد. روش معمول در اعزام آمبولانسها، فرستادن نزدیکترین واحد در دسترس میباشد که این روش به کارایی در کوتاه مدت توجه میکند. یکی از روشهایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکههای پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی میباشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت میشود. دیگر روشها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشینهای سرویسدهنده میباشد که پیچیدگی زمانی این روشها بسیار بالا میباشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیارهای مرکزیت از تحلیل شبکههای پیچیده و روشهای جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویسهای اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماسها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روشهای قبلی از محدودیتهای کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنیدار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیکترین همسایه، مورد تایید قرار میدهد.
پرونده مقاله
امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای ی چکیده کامل
امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای یادگیری برخط است که در سیستمهای موجود که مراکز آموزشی مجازی مورد استفاده قرار میگیرند به ندرت مشاهده میشود. در این مقاله محتوا و ساختار تالارهای گفتگو مورد بررسی قرار گرفتهاند. تحلیل محتوایی به منظور تطابق محتوای مباحثات با اهداف تالار و استخراج حوزههای مورد علاقه مشارکتکنندگان انجام شده است. محققین ضمن بیان دستاوردهای تحلیل شبکه اجتماعی یک محیط یادگیری دانشگاهی، راهکاری برای استخراج روابط اجتماعی افراد از طریق تحلیل ساختاری تالارهای گفتگو در یک محیط یادگیری برخط ارائه کردهاند. همچنین آنها روشی برای بهکارگیری روابط استخراج شده در مکانیزمهای گروهبندی یادگیرندگان ارائه نمودهاند و کارآمدی آن را مورد ارزیابی قرار دادهاند. بخشهای مختلف این تحقیق در دورههای درسی مختلف در ترمهای متوالی انجام شده است و دستاوردهای آن میتواند در راستای بهبود فعالیتهای یادگیری همکارانه در محیطهای یادگیری برخط و ترکیبی مورد استفاده قرار بگیرد
پرونده مقاله
گروهبندی همگن یادگیرندگان از نظر مشابهت سبک یادگیری، موجب افزایش توانمندی سامانههای یادگیری الکترونیکی در تطبیق یادگیری و ایجاد فضای مشارکتی میان یادگیرندگان میشود. در این مقاله سامانهای تشریح شده است که با استفاده از اطلاعات مربوط به رفتار شبکهای یادگیرندگان در مح چکیده کامل
گروهبندی همگن یادگیرندگان از نظر مشابهت سبک یادگیری، موجب افزایش توانمندی سامانههای یادگیری الکترونیکی در تطبیق یادگیری و ایجاد فضای مشارکتی میان یادگیرندگان میشود. در این مقاله سامانهای تشریح شده است که با استفاده از اطلاعات مربوط به رفتار شبکهای یادگیرندگان در محیط یادگیری الکترونیکی، گروههایی از یادگیرندگان را که از منظر سبک یادگیری مشابه هستند، شناسایی میکند. روش خوشهبندی ارائه شده برای تفکیک یادگیرندگان مبتنی بر ساختار شبکۀ عصبی ART و فرایند یادگیری شبکۀ عصبی Snap-Drift توسعه داده شده است. این شبکه امکان شناسایی گروههای یادگیرندگان را در فضای عدم قطعیت ویژگیهای مؤثر بر تفکیک گروهها، فراهم میسازد ضمن آنکه در این روش نیازی به دانستن تعداد مناسب گروهها نیست. عملکرد این سامانه در شناسایی گروههای یادگیرندگان در محیط یادگیری الکترونیکی بر اساس سبک یادگیری مورد ارزیابی قرار گرفته است. نتایج ارزیابی بر اساس معیارهای ارزیابی دیبویس – بولدین و خلوص و تجمع نشان میدهد روش پیشنهادی به طور کلی گروههای مناسبتر و دقیقتری را نسبت به روشهای دیگر ایجاد کرده است.
پرونده مقاله
با توجه به رشد و توسعه شبکه های کامپیوتری،اهمیت موضوع مسیریابی پیش از گذشته شده است.اهمیت استفاده از شبکه های چندبخشی را امروزه نمی توان نادیده گرفت.بسیاری از برنامه های چندرسانه ای نیاز به ارسال یک بسته از یک منبع به چندین مقصد،از طریق یک شبکه ارتباطی دارند.برای پشتیبا چکیده کامل
با توجه به رشد و توسعه شبکه های کامپیوتری،اهمیت موضوع مسیریابی پیش از گذشته شده است.اهمیت استفاده از شبکه های چندبخشی را امروزه نمی توان نادیده گرفت.بسیاری از برنامه های چندرسانه ای نیاز به ارسال یک بسته از یک منبع به چندین مقصد،از طریق یک شبکه ارتباطی دارند.برای پشتیبانی از چنین برنامه هایی نیازمند ایجاد یک درخت چندبخشی بهینه می باشیم،که نشان دهنده مسیرهای بهینه دستیابی ازیک منبع ارسال کننده به چندین مقصد مورد نظر است.دستیابی به یک درخت بهینه جهت مسیریابی ،از جمله مسائلی است که دارای پیچیدگی فراوانی می باشد. در این مقاله به دنبال ارائه روشی برای مسیریابی در شبکه های چندبخشی ،با توجه به پارامترهایی مانند هزینه و تأخیر می باشیم. همچنین این مقاله اهمیت ویژه ای به این موضوع داده است که هر یک از پارامترهای ذکر شده جهت مسیریابی، برای بستههای متفاوت دارای ارزشهای متفاوت نیز می باشند و به تناسب ارزش هریک از این پارامترها، درختهای مسیریابی چندبخشی بهینهای ایجاد می شود. جهت دستیابی به این هدف ازدو الگوریتم ژنتیک و الگوریتم کولونی مورچهها استفاده میشود.نتایج به دست آمده از شبیه سازی نشان داده است که الگوریتمهای ارائه شده با توجه به تناسب بستهها،توانایی ایجاد درخت های چندبخشی بهینه ای را دارا می باشند.
پرونده مقاله
علی رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می شود. چکیده کامل
علی رغم موفقیت الگوریتم رقابت استعماری (ICA) در حل مسائل بهینه سازی، این الگوریتم کماکان از به دام افتادن مکرر در کمینه محلی و سرعت پایین همگرایی رنج می برد. در این مقاله، نسخۀ جدیدی از این الگوریتم، به نام رقابت استعماری آشوبی متعامد اصلاح شده (COICA)، پیشنهاد می شود. در سیاست جذب نسخه پیشنهادی، هرمستعمره از طریق تعریف بردار متعامد نوینی، فضای حرکت به سمت استعمارگر را جستجو می کند. همچنین احتمال انتخاب امپراطوری های قدرتمند، از طریق تابع توزیع بولتزمان تعریف شده و عمل انتخاب از طریق روش چرخ رولت انجام گرفته است. از الگوریتم پیشنهادی برای آموزش شبکه عصبی پرسپترون چند لایه (MLP) جهت طبقه بندی مجموعه داده های استاندارد، از جمله یونسفر و سونار استفاده شده است. برای ارزیابی عملکرد این الگوریتم و بررسی میزان تعمیم پذیری شبکه عصبی آموزش ديده با نسخه پيشنهادی، از روش اعتبارسنجی متقابل K-Fold استفاده شده است. نتایج بدست آمده از شبیه سازی ها، کاهش خطای آموزش شبکه و همچنین بهبود تعمیم پذیری الگوریتم پیشنهادی را تایید می کند.
پرونده مقاله
در مسئله حداکثر سازی نفوذ، هدف یافتن حداقل تعدادی گره هست که بیشترین انتشار و نفوذ را در شبکه داشته باشند. مطالعات راجع به حداکثر سازی نفوذ و انتشار بهصورت گسترده ای در حال گسترش است. در سال های اخیر الگوریتمهای زیادی درزمینهٔ مسئله حداکثر سازی نفوذ در شبکه های اجتماع چکیده کامل
در مسئله حداکثر سازی نفوذ، هدف یافتن حداقل تعدادی گره هست که بیشترین انتشار و نفوذ را در شبکه داشته باشند. مطالعات راجع به حداکثر سازی نفوذ و انتشار بهصورت گسترده ای در حال گسترش است. در سال های اخیر الگوریتمهای زیادی درزمینهٔ مسئله حداکثر سازی نفوذ در شبکه های اجتماعی ارائهشده است. این مطالعات شامل بازار یابی ویروسی، گسترش شایعات، اتخاذ نوآوری و شیوع بیماریهای همه گیر و ... است. هر یک از مطالعات پیشین دارای کاستیهایی دریافتن گرههای مناسب و یا پیچیدگی زمانی بالا هستند. در این مقاله، روشی جدید با عنوان ICIM-GREEDY برای حل مسئله حداکثر سازی نفوذ ارائه کرده ایم. در الگوریتم ICIM-GREEDY دو معیار مهم که در کارهای انجامشده قبلی در نظر گرفته نشده اند را در نظر می گیریم، یکی قدرت نفوذ و دیگری حساسیت به نفوذ. این دو معیار همیشه در زندگی اجتماعی انسانها وجود دارد. روش پیشنهادی روی دیتاستهای استاندارد مورد ارزیابی قرارگرفتهشده است. نتایج بهدستآمده نشان میدهد که روش مذکور نسبت به دیگر الگوریتمهای مقایسه شده از کیفیت بهتری در پیدا کردن نودهای بانفوذ در 30 گره Seed برخوردار است. همچنین این روش از لحاظ زمانی نیز نسبت به الگوریتمهای مقایسه شده به لحاظ همگرایی نسبتاً سریع، بهتر عمل میکند.
پرونده مقاله
امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای ی چکیده کامل
امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای یادگیری برخط است که در سیستمهای موجود که مراکز آموزشی مجازی مورد استفاده قرار میگیرند به ندرت مشاهده میشود. در این مقاله محتوا و ساختار تالارهای گفتگو مورد بررسی قرار گرفتهاند. تحلیل محتوایی به منظور تطابق محتوای مباحثات با اهداف تالار و استخراج حوزههای مورد علاقه مشارکتکنندگان انجام شده است. محققین ضمن بیان دستاوردهای تحلیل شبکه اجتماعی یک محیط یادگیری دانشگاهی، راهکاری برای استخراج روابط اجتماعی افراد از طریق تحلیل ساختاری تالارهای گفتگو در یک محیط یادگیری برخط ارائه کردهاند. همچنین آنها روشی برای بهکارگیری روابط استخراج شده در مکانیزمهای گروهبندی یادگیرندگان ارائه نمودهاند و کارآمدی آن را مورد ارزیابی قرار دادهاند. بخشهای مختلف این تحقیق در دورههای درسی مختلف در ترمهای متوالی انجام شده است و دستاوردهای آن میتواند در راستای بهبود فعالیتهای یادگیری همکارانه در محیطهای یادگیری برخط و ترکیبی مورد استفاده قرار بگیرد
پرونده مقاله
با توجه به رشد و توسعه شبکه های کامپیوتری، اهمیت موضوع مسیریابی پیش از گذشته شده است. اهمیت استفاده از شبکه-های چندبخشی را امروزه نمی توان نادیده گرفت. بسیاری از برنامه های چندرسانه ای نیاز به ارسال یک بسته از یک منبع به چندین مقصد، از طریق یک شبکه ارتباطی دارند. برای پ چکیده کامل
با توجه به رشد و توسعه شبکه های کامپیوتری، اهمیت موضوع مسیریابی پیش از گذشته شده است. اهمیت استفاده از شبکه-های چندبخشی را امروزه نمی توان نادیده گرفت. بسیاری از برنامه های چندرسانه ای نیاز به ارسال یک بسته از یک منبع به چندین مقصد، از طریق یک شبکه ارتباطی دارند. برای پشتیبانی از چنین برنامه هایی نیازمند ایجاد یک درخت چندبخشی بهینه
می باشیم، که نشان دهنده مسیرهای بهینه دستیابی ازیک منبع ارسال کننده به چندین مقصد مورد نظر است. دستیابی به یک درخت بهینه جهت مسیریابی، از جمله مسائلی است که دارای پیچیدگی فراوانی می باشد. در این مقاله به دنبال ارائه روشی برای مسیریابی در شبکه های چندبخشی، با توجه به پارامترهایی مانند هزینه و تأخیر می باشیم. همچنین این مقاله اهمیت ویژه ای به این موضوع داده است که هر یک از پارامترهای ذکر شده جهت مسیریابی، برای بستههای متفاوت دارای ارزشهای متفاوت نیز می باشند و به تناسب ارزش هریک از این پارامترها، درختهای مسیریابی چندبخشی بهینهای ایجاد می شود. جهت دستیابی به این هدف ازدو الگوریتم ژنتیک و الگوریتم کولونی مورچهها استفاده میشود. نتایج به دست آمده از شبیه سازی نشان داده است که الگوریتمهای ارائه شده با توجه به تناسب بستهها، توانایی ایجاد درخت های چندبخشی بهینه ای را دارا می باشند.
پرونده مقاله
سیستم های تشخیص نفوذ در شبکه، ابزارهایی هستند که به منظور محافظت از منابع شبکه در مقابل حملات استفاده می شوند. با توجه به گستردگی حملات در فضای اینترنت و تغییر در شکل و نوع حملات از حالت متمرکز به توزیع شده، معماری اینگونه سیستم ها نیز به سمت توزیع شدگی حرکت می کند. در چکیده کامل
سیستم های تشخیص نفوذ در شبکه، ابزارهایی هستند که به منظور محافظت از منابع شبکه در مقابل حملات استفاده می شوند. با توجه به گستردگی حملات در فضای اینترنت و تغییر در شکل و نوع حملات از حالت متمرکز به توزیع شده، معماری اینگونه سیستم ها نیز به سمت توزیع شدگی حرکت می کند. در این مقاله روشی مبتنی برعاملهای متحرک که به عنوان سنسورهای تشخیص دهنده حرکات غیر معتبر عمل می کنند پیشنهاد شده است. عاملهای متحرک تشخیص دهنده حمله به صورت پراکنده در شبکه در حال جابجایی از یک گره به گره دیگر می باشند و در هر زمان یک شبکه فوقانی امنیتی را ساخته و با استفاده از نوعی بازی همکارانه و برقراری ارتباط با یکدیگر، پس از رسیدن به مقدار شیپلی می توانند میزان و منشاء حمله را تشخیص و گزارش دهند. در این مقاله روشی پیشنهاد شده است که WGA در یک بازی غیرهمکارانه با عنصر مهاجم سعی در برقراری یک ارتباط مکاشفه ای جهت محاسبه مقدار نش و رسیدن به حداکثر سودمندی را دارد تا بتواند ضمن تفکیک حملات و یا درخواستهای واقعی، میزان و شدت حمله را با کمک سایر WGA بدست آورد
پرونده مقاله
رويكرد بيمار محور در حوزه سلامت به تازگي در حوزه نظام پزشكي كشور ما مطرح شده است ولي تا كنون در زمينه عوامل رضايت بيمار از پزشك تحقيق علمي منتشر شده اي وجود ندارد. مقاله حاضر قصد دارد خلاء بيان شده را با ارزيابي علمي مبتني بر اطلاعات واقعي كسب شده از مطالعه ميداني پوشش چکیده کامل
رويكرد بيمار محور در حوزه سلامت به تازگي در حوزه نظام پزشكي كشور ما مطرح شده است ولي تا كنون در زمينه عوامل رضايت بيمار از پزشك تحقيق علمي منتشر شده اي وجود ندارد. مقاله حاضر قصد دارد خلاء بيان شده را با ارزيابي علمي مبتني بر اطلاعات واقعي كسب شده از مطالعه ميداني پوشش دهد.در اين راستا با مرور ادبيات و مدلهاي حوزه ارائه خدمات؛ پرسشنامه اي براي حوزه سلامت طراحي و با نظر خبرگان مورد تاييد قرار گرفت. به منظور کسب نظر بیماران پرسشنامه بين 500 نفر از افرادی که عمل جراحی زیبایی بینی در تهران انجام دادند، توزيع شد و 395 پرسشنامه جمع آوري شد. تعداد براي تحليل داده ها، از سه روش درخت تصمیم، ماشین بردار پشتیبان و شبکههای عصبی، استفاده شد. تحليل نتايج بر حسب معيار صحت نشان داد كه کاراترین روش، در اولویت اهمیت عوامل موثر بر رضايت بيمار؛ روش شبکه عصبی بوده است. نتايج تحليل با اين روش حاكي از آن است كه موثرترین ویژگی در رضایتمندی بیمار از پزشک، اطلاعاتی است که بيمار انتظار دارد پزشک در اختیارش قرار دهد. نتايج رتبه بندي عوامل در مقايسه با ساير مطالعاتي كه تنها از روشهاي آماري براي تحليل استفاده شده بودنشان داد كه نتایج نسبتا مشابه بوده و یکدیگر را تایید میکردند. ولي توامنديهايي كه روش شبكه عصبي در مدلسازي دارد نقطه قوت اين روش نسبت به مطالعات مذكور است.
پرونده مقاله
پیشرفت های اخیر در زمینه الکترونیک و مخابرات بی سیم، توانایی طراحی و ساخت حسگرهایی را با توان مصرفی پایین، اندازه کوچک، قیمت مناسب و کاربری های گوناگون داده است. ظرفیت محدود انرژی حسگرها، چالش بزرگی است که این شبکه ها را تحت تاثیر قرار می دهد. خوشه بندی به عنوان یکی از چکیده کامل
پیشرفت های اخیر در زمینه الکترونیک و مخابرات بی سیم، توانایی طراحی و ساخت حسگرهایی را با توان مصرفی پایین، اندازه کوچک، قیمت مناسب و کاربری های گوناگون داده است. ظرفیت محدود انرژی حسگرها، چالش بزرگی است که این شبکه ها را تحت تاثیر قرار می دهد. خوشه بندی به عنوان یکی از روش های شناخته شده برای مدیریت این چالش استفاده می شود. برای یافتن مکان مناسب سرخوشه ها از الگوریتم رقابت استعماری که یکی از شاخه های هوش محاسباتی می باشد استفاده شده است. سرخوشه ها توسط مدل سه سطحي در ارتباط هستند، تا سرخوشه هايي با ظرفيت انرژي كم و دور از ايستگاه به عنوان سطح سوم شناخته شده و به طور غير مستقيم با ايستگاه پايه به تبادل اطلاعات بپردازد. اين موضوع باعث افزايش طول عمر شبکه های حسگر بی سیم مي شود
پرونده مقاله
هدف سرویسهای اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماریها و صدمات میباشد. اعزام سریع سرویسهای اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویسهای اورژانس پزشکی میباشد. روش معمول در اعزام آمبولانسها چکیده کامل
هدف سرویسهای اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماریها و صدمات میباشد. اعزام سریع سرویسهای اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویسهای اورژانس پزشکی میباشد. روش معمول در اعزام آمبولانسها، فرستادن نزدیکترین واحد در دسترس میباشد که این روش به کارایی در کوتاه مدت توجه میکند. یکی از روشهایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکههای پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی میباشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت میشود. دیگر روشها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشینهای سرویسدهنده میباشد که پیچیدگی زمانی این روشها بسیار بالا میباشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیارهای مرکزیت از تحلیل شبکههای پیچیده و روشهای جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویسهای اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماسها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روشهای قبلی از محدودیتهای کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنیدار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیکترین همسایه، مورد تایید قرار میدهد.
پرونده مقاله
یکی از حوزه های تحقیقاتی مهم در پردازش تصویر، فشرده-سازی تصاویر است. تاکنون روش های مختلفی برای فشرده-سازی تصویر ارائه شده است، در این میان شبکه های عصبی مخاطبان زیادی را به خود جذب کرده اند. متداول ترین روش آموزشی شبکه های عصبی، روش پس انتشار خطاست که همگرايي کند و توق چکیده کامل
یکی از حوزه های تحقیقاتی مهم در پردازش تصویر، فشرده-سازی تصاویر است. تاکنون روش های مختلفی برای فشرده-سازی تصویر ارائه شده است، در این میان شبکه های عصبی مخاطبان زیادی را به خود جذب کرده اند. متداول ترین روش آموزشی شبکه های عصبی، روش پس انتشار خطاست که همگرايي کند و توقف در بهينه های محلي از مهمترین نقاط ضعف آن محسوب می شوند . رویکرد جدید محققین، استفاده از الگوریتم های ابتکاری در فرایند آموزش شبکه های عصبی است. در این مقاله، روش آموزشی نوینی مبتنی بر روش جستجوي گرانشي (GSA) معرفی می شود. روش جستجوي گرانشي آخرين و جديدترين نسخه از انواع روش هاي جستجو و بهينه سازي هوش جمعي است. در اين روش پاسخ هاي كانديد در فضاي جستجو اجرامي هستند كه توسط نيروي گرانش بر يكديگر اثر گذاشته و موقعيتشان تغيير مي كند. به تدریج اجرام با برازندگي بهتر داراي جرم بيشتري می شوند و بر اجرام ديگر تاثير بيشتري می گذارند.
در تحقیق حاضر با استفاده از الگوریتم GSA یک شبکه عصبی MLP به منظور فشرده سازی تصاویر آموزش داده می شود.
▪ نویسنده عهدهدار مکاتبات (m.dehbashian@gmail.com)
برای ارزیابی کارایی فشرده ساز ارائه شده عملکرد آن با الگوریتم بهینه سازی گروه ذرات و روش متداول پس انتشار خطا در فشرده سازی چهار تصویر استاندارد مقایسه می شود. نتايج نهایی گویای قابلیت چشمگیر روش GSA در آموزش شبکه های عصبی MLP می باشد.
پرونده مقاله
هدف از پژوهش حاضر، بررسي تاثير استفاده از انواع استراتژیهای بازاریابی در شبکههای اجتماعی بر جلب اعتماد مشتریان میباشد. جامعه آماری این پژوهش شامل تمامی کاربران ایرانی عضو سایتهای شبکههای اجتماعی است که تحت تاثیر تبلیغات شرکتها قرار میگیرند. حجم نمونه آماری نیز با روش چکیده کامل
هدف از پژوهش حاضر، بررسي تاثير استفاده از انواع استراتژیهای بازاریابی در شبکههای اجتماعی بر جلب اعتماد مشتریان میباشد. جامعه آماری این پژوهش شامل تمامی کاربران ایرانی عضو سایتهای شبکههای اجتماعی است که تحت تاثیر تبلیغات شرکتها قرار میگیرند. حجم نمونه آماری نیز با روش نمونهگیری گلوله برفی 446 نفر است. روش پژوهش، توصیفی پیمایشی بوده و ابزار گردآوری دادهها پرسشنامه میباشد. برای آزمون فرضیههای پژوهش از روش حداقل مربعات جزئی (PLS) و نرم افزار SmartPLS 3 استفاده شده است. نتایج بدست آمده نشان میدهد که هر چهار متغیر، استراتژیهای بازاریابی مبادلهای، رابطهای، پایگاه داده و مبتنی بر دانش در شبکههای اجتماعی تاثیر معنیداری بر جلب اعتماد مشتریان دارند.
پرونده مقاله
پیشبینی قیمت سهام توسط تحلیلگران داده یک فرصت تجاری بزرگ را برای طیف گسترده سرمایه گذاران در بازار سهام ایجاد کرده است. اما این مهم به دلیل ماهیت بی ثبات و پویایی بیش از حد عوامل متعدد اقتصادی تاثیرگذار بر بازار سهام، امری دشوار است. در این پژوهش به منظور شناسایی ارتبا چکیده کامل
پیشبینی قیمت سهام توسط تحلیلگران داده یک فرصت تجاری بزرگ را برای طیف گسترده سرمایه گذاران در بازار سهام ایجاد کرده است. اما این مهم به دلیل ماهیت بی ثبات و پویایی بیش از حد عوامل متعدد اقتصادی تاثیرگذار بر بازار سهام، امری دشوار است. در این پژوهش به منظور شناسایی ارتباط پیچیده 10 متغیر اقتصادی بر قیمت سهام شرکتهای فعال در بازار سهام تهران، دو مدل طراحی و پیادهسازی شده است. نخست یک سیستم استنتاج فازی ممدانی که مجموعه قوانین موتور استنتاج خود را توسط الگوریتم بهینهسازی ازدحام ذرات بدست میآورد طراحی میشود. سپس مدل یادگیری عمیق مشتمل بر 26 نرون در 5 لایه پنهان طراحی شده است. مدلهای طراحی شده به منظور پیشبینی قیمت سهام نه شرکت فعال در بورس اوراق بهادار تهران پیادهسازی و نتایج بدست آمده حاکی از عملکرد بهتر مدل یادگیری عمیق بر مدل ترکیب دوگانه استنتاج فازی-ازدحام ذرات و نیز مدل رایج شبکه عصبی دارد. اما قدرت تفسیرپذیری الگوی بدست آمده، رفتار همسانتر و با واریانس به مراتب کمتر و نیز سرعت همگرایی بیشتر نسبت به سایر مدلها را میتوان از مزایای رقابتی قابل توجه مدل ترکیب دوگانه استنتاج فازی-ازدحام ذرات نام برد.
پرونده مقاله
تشخیص جوامع در شبکههای اجتماعی پویا یکی از مهمترین موضوعات تحقیقاتی است که در سالیان اخیر مورد توجه قرار گرفته شده است. رویکردهای گوناگونی برای تشخیص جوامع در شبکههای اجتماعی در حالت پویا وجود دارد. از بین رویکردها، رویکرد انتشار برچسب به عنوان یک رویکرد ساده، کارا چکیده کامل
تشخیص جوامع در شبکههای اجتماعی پویا یکی از مهمترین موضوعات تحقیقاتی است که در سالیان اخیر مورد توجه قرار گرفته شده است. رویکردهای گوناگونی برای تشخیص جوامع در شبکههای اجتماعی در حالت پویا وجود دارد. از بین رویکردها، رویکرد انتشار برچسب به عنوان یک رویکرد ساده، کارا و تصادفی مطرح شده است. این رویکرد شامل روشهای بسیاری است که غالبا مبتنی بر حالت تصادفی این رویکرد هستند. از میان این روشها، روش رتبهبندی برچسب مبتنی بر زمان این رویکرد را از حالت تصادفی خارج کرده است و به آن قطعیت بخشیده است. البته مسلما این رویکرد هم با مشکلاتی مواجه است، یکی از مشکلات این است وقتی یک گره میخواهد به یک جامعه بپیوندد، ساختار درونی آن جامعه جهت پیوستن گره در نظر گرفته نمیشود. بنابراین برای حل این مشکل، یک رویکرد جدید به نام حریصانه به رویکرد انتشار برچسب اضافه شده است. رویکرد جدید ارائهشده به همراه روش رتبهبندی برچسب مبتنی بر زمان و نسخهی غیراشتراکی روش انتشار برچسب برجستهی گسترشیافته در مجموعههای دادهای مورد ارزیابی اعم از واقعی و ساختگی پیادهسازی شدهاند. نتایج نشان میدهد که روش پیشنهادی نسبت به دو روش دیگر از لحاظ میزان صحت براساس دو پارامتر ماژولاریتی و اطلاعات متقابل نرمال شده بهتر عمل کرده است.
پرونده مقاله
شبکه حسگر بیسیم شامل تعدادی گره حسگر ثابت بوده که گرههای سینک برای جمعآوری دادهها بین گرهها حرکت میکنند. برای کاهش مصرف انرژی و افزایش مقدار داده جمعآوری شده نیاز به تعیین مسیر بهینه و مکان اقامت سینکهای متحرک است که سبب افزایش عمر شبکههای حسگر بیسیم میشود. ا چکیده کامل
شبکه حسگر بیسیم شامل تعدادی گره حسگر ثابت بوده که گرههای سینک برای جمعآوری دادهها بین گرهها حرکت میکنند. برای کاهش مصرف انرژی و افزایش مقدار داده جمعآوری شده نیاز به تعیین مسیر بهینه و مکان اقامت سینکهای متحرک است که سبب افزایش عمر شبکههای حسگر بیسیم میشود. این مقاله، با استفاده از کدگذاری شبکه، یک مدل ریاضی خطی صحیح مختلط یا MILP برای تعیین مسیر بهینه چندپخشی از گرههای حسگر منبع به سینکهای متحرک در شبکههای حسگر بیسیم ارایه داده که زمان و مکانهای اقامت سینکها را تعیین میکند تا جمعآوری دادههای کدگذاری شده حداکثر شود و تاخیر حرکت سینکها و میزان مصرف انرژی کاهش یابد. حل این مساله در زمان چندجملهای به دلیل دخیل بودن پارامترهای مختلف و محدود بودن منابع شبکههای حسگر بیسیم امکانپذیر نیست. لذا برای حل این مساله در زمان چندجملهای، چند الگوریتم اکتشافی و حریصانه و کاملا توزیعشده پیشنهاد شده تا حرکت سینکها و مکان اقامت آنها را براساس حداکثر کردن مقدار دادههای کدگذاری شده و نوع مهلت زمانی دادهها تعیین کند. با شبیهسازی نشان داده که روش بهینه و استفاده از کدگذاری و الگوریتمهای پیشنهادی سبب کاهش زمان اجرا و مصرف انرژی و افزایش دادههای جمعآوری شده و عمر شبکه نسبت به روشهای فاقد کدگذاری شبکه میشود.
پرونده مقاله
فناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. بهمنظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی چکیده کامل
فناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. بهمنظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی کمک نماید. بااینوجود، تنوع زیاد نرخ های ارسال در استانداردهای 802.11n و 802.11ac هزینه سربار زیادی را برای به روزرسانی این اطلاعات تحمیل می کند. در این مقاله، برای کاهش فضای حالت نرخ های ارسال و به روز نگه داری توأمان آمار همه آنها، روشی برای دسته بندی نرخ ها ارائه شده است بهنحویکه هنگام ارسال یک بسته با نرخ ارسال مشخص، اطلاعات آماری مربوط به همه نرخ های ارسالی که در همان دسته قرار می گیرند، به روز شود. درنتیجه، آمار وضعیت تعداد بیشتری از نرخ های ارسال حتی باوجود ارسال تعداد کمی بسته های داده می تواند به روز شود. سازوکار پیشنهادی در محیط هسته لینوکس پیاده-سازی و عملکرد آن را تحت شرایط مختلف در یک بستر آزمایشی که در آزمایشگاه پژوهشی خود راه اندازی نموده ایم، ارزیابی گردید. نتایج نشان می دهد که روش پیشنهادی ازنقطهنظر گذرداد و تعداد ارسال های موفق از سازوکار Minstrel-HT بهعنوان روش پیش فرض لینوکس عملکرد بهتری دارد.
پرونده مقاله
از آنجا که روشهای مخصوص طبقهبندی توالی یادگیری ماشین، جهت طبقهبندی پروتئینهای سالم و سرطانی موفق نبودند بنابراین یافتن راهکاری برای بازنمایی این توالیها جهت طبقه بندی افراد سالم و مریض با رویکردهای یادگیری عمیق ضرورت تام دارد. در این مطالعه، روشهای مختلف با چکیده کامل
از آنجا که روشهای مخصوص طبقهبندی توالی یادگیری ماشین، جهت طبقهبندی پروتئینهای سالم و سرطانی موفق نبودند بنابراین یافتن راهکاری برای بازنمایی این توالیها جهت طبقه بندی افراد سالم و مریض با رویکردهای یادگیری عمیق ضرورت تام دارد. در این مطالعه، روشهای مختلف بازنمایی توالی پروتئین، جهت طبقهبندی توالی پروتئین افراد سالم و سرطان خون، مورد بررسی قرار گرفته است. نتایج نشان داد که تبدیل حروف اسید آمینه به بردار ویژگی یکبعدی در طبقه بندی 2 کلاس موفق نبود و فقط یک کلاس مریض تشخیص داده شد. با تغییر بردار ویژگی بهصورت اعداد رنگی دقت تشخیص کلاس سالم کمی بهبود یافت. روش بازنمایی توالی پروتئینی بهصورت یکپارچه دودویی، با ابتکار حفظ دنباله توالی در دو حالت یکبعدی و دوبعدی(تصویر با اعمال فیلتر گابور)، نسبت به روشهای قبلی موثرتر بود. بازنمایی توالی پروتئین به شکل تصویر دودویی با اعمال فیلتر گابور با دقت 100% توالی پروتئین افراد سالم و 98.6% توالی پروتئین افراد دارای سرطان خون را طبقهبندی کرد. یافتههای این تحقیق نشان داد که بازنمایی توالی پروتئین به شکل تصویر دودویی با اعمال فیلتر گابور، میتواند بهعنوان روش موثر جدید دربازنمایی توالیهای پروتئینی جهت طبقهبندی، ارایه نماید.
پرونده مقاله
با فراگیر شدن شبکههای اجتماعی و رشد افزون اطلاعات به اشتراکگذاری شده در آنها، کاربران این شبکهها در معرض تهدیدهای بالقوه-ی امنیت و حریم خصوصی دادهها قرار دارند. تنظیمات حریمخصوصی گنجاندهشده در این شبکهها به کاربران کنترل کاملی در جهت مدیریت و خصوصیسازی دسترسی ب چکیده کامل
با فراگیر شدن شبکههای اجتماعی و رشد افزون اطلاعات به اشتراکگذاری شده در آنها، کاربران این شبکهها در معرض تهدیدهای بالقوه-ی امنیت و حریم خصوصی دادهها قرار دارند. تنظیمات حریمخصوصی گنجاندهشده در این شبکهها به کاربران کنترل کاملی در جهت مدیریت و خصوصیسازی دسترسی به اطلاعات اشتراکیشان توسط کاربران دیگر نمیدهد. در این مقاله به کمک مفهوم گراف اجتماعی، یک مدل جدید کنترل دسترسی کاربربهکاربر پیشنهاد شد که امکان بیان سیاستهای حریم شخصی و کنترل دسترسی دقیقتر و حرفهایتری را برحسب الگو و عمق روابط میان کاربران در شبکههای اجتماعی فراهم میکند. در این مقاله با بهکارگیری روش شاخصهای منظم، روابط غیرمستقیم در میان کاربران موردبررسی و تحلیل قرارگرفته و سیاستهای دقیقتری نسبت به مدلهای قبلی ارائهشده است. ارزیابی نتایج نشان داد، در مورد 10 همسایه برای هر کاربر، تجمع احتمال یافتههای یک مسیر واجد شرایط، به ترتیب برای سه حلقه شمارنده اول برابر 1، 5/10 و 3/67 درصد است، و نهایتاً برای شمارنده چهارم به 100 درصد میرسد که با افزایش مشخصه شمارشی تعریفشده، زمان اجرای متوسط الگوریتم پیشنهادی و سایر الگوریتمهای ارائهشده در روشهای قبلی افزایش مییابد اما برای حدود بالاتر مشخصه شمارشی، الگوریتم پیشنهادی بهتر از الگوریتمهای قبلی عمل میکند.
پرونده مقاله
تخمین و برآورد معیارها یک فعالیت حیاتی در پروژههای نرمافزاری محسوب میشود. بهطوریکه تخمین تلاش در مراحل اولیه توسعه نرمافزار، یکی از مهمترین چالشهای مدیریت پروژههای نرمافزاری است. تخمین نادرست میتواند منجر به شکست پروژه گردد. لذا یکی از فعالیتهای اصلی و کلید چکیده کامل
تخمین و برآورد معیارها یک فعالیت حیاتی در پروژههای نرمافزاری محسوب میشود. بهطوریکه تخمین تلاش در مراحل اولیه توسعه نرمافزار، یکی از مهمترین چالشهای مدیریت پروژههای نرمافزاری است. تخمین نادرست میتواند منجر به شکست پروژه گردد. لذا یکی از فعالیتهای اصلی و کلیدی در توسعه مؤثر و کارآمد پروژههای نرمافزاری تخمین دقیق هزینههای نرمافزار است. ازاینرو در این پژوهش دو روش بهمنظور تخمین تلاش در پروژههای نرمافزاری ارائه شده است، که در این روش ها سعی شده با تجزیهوتحلیل محرکها و استفاده از الگوریتمهای فرا ابتکاری و ترکیب با شبکه عصبی راهی برای افزایش دقت در تخمین تلاش پروژه های نرم افزاری ایجاد شود. روش اول تأثیر الگوریتم فاخته جهت بهینهسازی ضرایب تخمین مدل کوکومو و روش دوم به صورت ترکیبی از شبکه عصبی و الگوریتم بهینهسازی فا خته جهت افزایش دقت برآورد تلاش توسعه نرمافزار ارائهشده است. نتایج بدست آمده روی دو پایگاه داده واقعی نشان دهنده عملکرد مطلوب روش ارائه شده در مقایسه با سایر روشهاست.
پرونده مقاله
یکی از زمینه های تحقیقاتی اساسی و مهم در شبکه های حسگر بی سیم نحوه جایگذاری نودهای حسگر است به گونه ای که با کمترین تعداد نود تمامی نقاط هدف پوشش داده شوند و اتصال میان تمام نودها و نود چاهک برقرار باشد. در این مقاله از یک روش جدید که بر اساس الگوریتم رقابت استعماری است چکیده کامل
یکی از زمینه های تحقیقاتی اساسی و مهم در شبکه های حسگر بی سیم نحوه جایگذاری نودهای حسگر است به گونه ای که با کمترین تعداد نود تمامی نقاط هدف پوشش داده شوند و اتصال میان تمام نودها و نود چاهک برقرار باشد. در این مقاله از یک روش جدید که بر اساس الگوریتم رقابت استعماری است برای حل مسئله ذکر شده استفاده شده است. در روش پیشنهاد شده امکان مهاجرت مستعمره ها از امپراطوری های ضعیف به امپراطوری های قوی تر به الگوریتم رقابت استعماری اضافه شده است. ایده مهاجرت از جوامع انسانی الهام گرفته شده است که انسان-ها در برخی شرایط تصمیم به مهاجرت از یک کشور به کشور دیگر می کنند. شبکه حسگر بی سیم به صورت سه بعدی و گرید در نظر گرفته شده است و نودهای حسگر فقط می توانند در نقاط تقاطع گرید قرار بگیرند. این در حالیست که نقاط هدف ممکن است در هر مکانی از فضای سه بعدی پراکنده باشند. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی نسبت به الگوریتم های مشابه از تعداد نود حسگر کمتری برای حل مسئله استفاده می کند و همچنین دارای زمان اجرای بسیار کمتری است.
پرونده مقاله
این پژوهش با استفاده از روش تحلیل پوششی دادهها به ارزیابی عملکرد سیستمهای برنامهریزی منابع سازمان 18 نمونه شرکت تولیدی پرداخته است تا مشخص شود آیا اهداف تعریف شده برای سیستمهای ERP توانستهاند عملکرد بعد از پیادهسازی این سیستم را تحت تاثیر قرار دهند. با توجه به شن چکیده کامل
این پژوهش با استفاده از روش تحلیل پوششی دادهها به ارزیابی عملکرد سیستمهای برنامهریزی منابع سازمان 18 نمونه شرکت تولیدی پرداخته است تا مشخص شود آیا اهداف تعریف شده برای سیستمهای ERP توانستهاند عملکرد بعد از پیادهسازی این سیستم را تحت تاثیر قرار دهند. با توجه به شناسایی مؤلفههای مؤثر در پیادهسازی برنامهریزی منابع سازمان با استفاده از مرور تحقیقات پیشین، مصاحبه و نظرات خبرگان شاخصهای ارزیابی عملکرد این سیستم شناسایی شدند. سپس مهمترین شاخصهای ورودی با استفاده از نظر خبرگان به روش دیمتل فازی و شاخصهای خروجی به روش تحلیل شبکهای رتبهبندی گردیدند. در این رتبهبندی شاخصهای زمان صرف شده جهت اجرا، زیر ساختهای اجرا، آموزش و اقدامات حمایتی کاربر شاخصهای برترِ ورودی، و سه شاخص افزایش بهرهوری، مدیریت صحیح منابع و میزان رضایتمندی کاربر نیز به عنوان شاخصهای برتر خروجی انتخاب گردیدند. با استفاده از شاخصهای منتخب به ارزیابی عملکرد سیستم برنامهریزی منابع سازمانِ شرکتهای منتخب پرداخته شده است. نتایج این تحقیق در شناسایی نقاط قوت و ضعف شرکتها در مقایسه با بهترین شرکت شناخته شده و هر چه بهتر ساختن سیستم ERP خود مفید واقع خواهد شد.
پرونده مقاله
شبکه های حسگر صوتی زیر آبی به دلیل ویژگی های مطلوب خود و کاربرد های عملی گسترده در زمینه های ارتباطی مختلف، توجه زیادی را به خود جلب کرده اند. از آن جا که گره های حسگر زیر آبی دارای هزینه ی بالا و پیچیدگی جایگذاری هستند، افزایش طول عمر این شبکه ها از اهمیت زیادی برخوردا چکیده کامل
شبکه های حسگر صوتی زیر آبی به دلیل ویژگی های مطلوب خود و کاربرد های عملی گسترده در زمینه های ارتباطی مختلف، توجه زیادی را به خود جلب کرده اند. از آن جا که گره های حسگر زیر آبی دارای هزینه ی بالا و پیچیدگی جایگذاری هستند، افزایش طول عمر این شبکه ها از اهمیت زیادی برخوردار است. گره های رله نقش مهمی در کاهش فاصله مخابراتی و انرژی مصرفی دارند. اما، مسئله مهم قرار گیری بهره ور گره های رله اطراف گره های بحرانی شبکه به منظور جلوگیری از حذف آن ها و در نتیجه افزایش طول عمر شبکه است. برای این منظور، در این مقاله روشی جدید به نام جایگذاری بهره ور گره رله (ERS) معرفی شده است که شامل فرمول بندی کردن مکان هر گره رله به صورت یک مسئله بهینه سازی غیر محدب است. در حقیقت، وجود قیود تفاضل محدب منجر به غیر محدب شدن مسئله بهینه سازی پیشنهادی می شود و دستیابی به جواب بهینه را دشوار می سازد. از این رو، در گام بعد با پیشنهاد یک تبدیل جدید، مسئله مذکور به معادل محدب خود تبدیل می-شود. مهم ترین مزیت مسئله برنامه ریزی محدب، قابلیت دستیابی به جواب بهینه مسئله است. نتایج شبیه سازی نشان دهنده برتری عملکرد روش پیشنهادی در طول عمر و بهره وری نسبت به روش ابتکاری پیشین تنظیم گره رله (RA) است.
پرونده مقاله
با توجه به رشد قابلتوجه اطلاعات و دادههای متنی که توسط انسانها در شبکههای مجازی تولید میشوند، نیاز به سیستمهایی است که بتوان به کمک آنها بهصورت خودکار به تحلیل دادهها پرداخت و اطلاعات مختلفی را از آنها استخراج کرد. یکی از مهمترین دادههای متنی موجود در سطح و چکیده کامل
با توجه به رشد قابلتوجه اطلاعات و دادههای متنی که توسط انسانها در شبکههای مجازی تولید میشوند، نیاز به سیستمهایی است که بتوان به کمک آنها بهصورت خودکار به تحلیل دادهها پرداخت و اطلاعات مختلفی را از آنها استخراج کرد. یکی از مهمترین دادههای متنی موجود در سطح وب دیدگاههای افراد نسبت به یک موضوع مشخص است. متنهای منتشرشده توسط کاربران در فضای مجازی میتواند معرف شخصیت آنها باشد. الگوریتمهای یادگیری ماشین میتواند انتخاب مناسبی برای تجزیهوتحلیل اینگونه مسائل باشند، اما بهمنظور غلبه بر پیچیدگی و پراکندگی محتوایی و نحوی دادهها نیاز به الگوریتمهای یادگیری ژرف بیش از پیش در این حوزه احساس میشود. در این راستا، هدف این مقاله بهکارگیری الگوریتمهای یادگیری ژرف بهمنظور دستهبندی متون برای پیشبینی شخصیت میباشد. برای رسیدن به این هدف، شبکه عصبی کانولوشنی با مدل آدابوست بهمنظور دستهبندی دادهها ترکیب گردید تا بتوان به کمک آن دادههای آزمایشی که با خطا دستهبندی شدهاند را در مرحله دوم دستهبندی با اختصاص ضریب آلفا، با دقت بالاتری دستهبندی کرد. مدل پیشنهادی این مقاله روی دو مجموعه داده ایزیس و یوتیوب آزمایش شد و بر اساس نتایج بدست آمده مدل پیشنهادی از دقت بالاتری نسبت به سایر روشهای موجود روی هر دو مجموعه داده برخودار است.
پرونده مقاله
امروزه تحلیل احساسات به عنوان یکی از ارکان اصلی در زمینه های مختلف از جمله مدیریت مالی، بازاریابی، پیش بینی تغییرات اقتصادی درکشورهای مختلف بکار گرفته می شود.
به منظور ساخت یک تحلیل گر احساسات بر مبنای نظرات کاربران در رسانه های اجتماعی، بعد از استخراج ویژگی های مهم چکیده کامل
امروزه تحلیل احساسات به عنوان یکی از ارکان اصلی در زمینه های مختلف از جمله مدیریت مالی، بازاریابی، پیش بینی تغییرات اقتصادی درکشورهای مختلف بکار گرفته می شود.
به منظور ساخت یک تحلیل گر احساسات بر مبنای نظرات کاربران در رسانه های اجتماعی، بعد از استخراج ویژگی های مهم بین کلمات توسط شبکه پیچشی، از شبکه حافظه کوتاه-مدت بلند استفاده می کنیم تا رابطه نهفته در دنبالـه ای از کلمات را کشف و ویژگی های مهم متن را استخراج نماییم. با کشف ویژگی های استخراج شده جدید توسط شبکه برگشتی با حافظه کوتاه-مدت بلند، توانایی مدل پیشنهادی در طبقه بندی ارزش سهام شرکت ها افزایش می یابد و در نهایت به پیش بینی سهام بورس در روز بعد براساس تحلیل احساسات می پردازیم. اﯾﻦ ﭘﮋوﻫﺶ ﺑﺮ اﺳﺎس دادهﻫﺎی ﻣﻘﺎﻟﻪ اﻧﮕﻮﯾﺎن و همکارانش اﻧﺠﺎم ﮔﺮﻓﺘﻪ اﺳﺖ و تنها از اﻃﻼﻋﺎت احساسی ﻣﺮدم در شبکه-ﻫﺎی اجتماعی ﺑﺮای ﭘﯿﺶبینی ﺳﻬﺎم اﺳﺘﻔﺎده می کند. با توجه به اینکه هر یک از پیـام های کاربـران را در 5 کلاس های احساسی طبقه بندی می کنیم، بنابراین این مدل ارزش سهام روز بعد را به دو حالت بالا یا پایین بودن آن می تواند پیش بینی کند. ساختار پیشنهادی شامل 21 لایه شبکه عصبی ژرف و متشکل از شبکه های پیچشی و حافظه کوتاه-مدت بلند است که برای پیش بینی سهام بورس 18 شرکت پیاده سازی شده است. اگرچه برخی مدل های ارائه شده قبل، از تحلیل احساسات به منظور پیش بینی بازار سرمایه بهره گرفته اند، اما از روش های ترکیبی و پیشرفته در شبکه های ژرف با میزان دقت پیش بینی بالا بهره نبرده اند. سنجش نتایج روش پیشنهادی با دیگر مطالعات نشان داده که عملکرد روش پیشنهادی در مقایسه با 8 روش دیگر، بطور قابل ملاحظه ای خوب بوده و در معیار ارزیابی صحت در پیشبینی روزانه سهام با بهبود 8/19 درصدی نسبت به مدل شبکه پیچشی ژرف، 5/24 درصدی نسبت به مدل پیشنهادی انگویان و همکاران (2015) و 94/23 درصدی نسبت به مدل پیشنهادی درخشان و همکاران (2019) از روشهای رقیب پیشی بگیرد.
پرونده مقاله
چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سا چکیده کامل
چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سایر استانداردهای مدل سازی سطح تفصیلی ترکیب شده و کاربردپذیری آن مورد ارزیابی قرار گیرد. در این مقاله به ارزیابی کاربردپذیری ترکیب استاندارد مدل سازی سطح بالای ArchiMate با پنج استاندارد مدل سازی سطح پایین شامل UML، BPMN، FAML،SoaML وBMM بر مبنای چارچوب ملی معماری سازمانی ایران پرداخته می شود. برای ارزیابی کاربردپذیری از روش ترکیبی(کیفی + کمی) استفاده می شود. هر استاندارد مدل سازی از نظر دامنه و کارکرد متفاوت است. از آنجاییکه یک استاندارد مدل سازی به تنهایی نمی تواند تمام نیازمندی های معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران را پشتیبانی نماید لذا ترکیب استانداردهای مدل سازی راهکاری مناسب است. ارزیابی کیفی ترکیب استانداردهای مدل سازی از طریق مطالعه موردی انجام می پذیرد. ارزیابی کمی با استفاده از روش های تصمیم گیری چندمعیاره شامل فرآیند تحلیل شبکه ای و دیمتل انجام می پذیرد. بدین منظور بر اساس مطالعات کتابخانه ای و نظرات خبرگان تعدادی گزینه و معیار استخراج می گردد. طبق ارزیابی کیفی، ترکیب شش ابزار استاندارد مدل سازی با روش مدل سازی معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران قابل انجام است. برای ارزیابی کمی کاربردپذیری در این مقاله چهار گزینه مطرح شده اند که بر اساس وزن نهایی به ترتیب عبارتند از : پشتیبانی توسط ابزارهای شناخته شده، قابلیت پوشش به فرآورده های روش توسعه چارچوب ملی معماری سازمانی ایران، کارآمدی یا اثربخشی، سهولت یادگیری یا آموزش پذیری.
پرونده مقاله
سالیان درازی است که اخبار و پیام های جعلی در جوامع انسانی منتشر می گردد و امروزه با فراگیرشدن شبکه های اجتماعی در بین مردم، امکان نشر اطلاعات نادرست بیشتر از قبل شده است. بنابراین، شناسایی اخبار و پیام های جعلی به موضوع برجسته ای در جوامع تحقیقاتی تبدیل شده است. ضمناً چکیده کامل
سالیان درازی است که اخبار و پیام های جعلی در جوامع انسانی منتشر می گردد و امروزه با فراگیرشدن شبکه های اجتماعی در بین مردم، امکان نشر اطلاعات نادرست بیشتر از قبل شده است. بنابراین، شناسایی اخبار و پیام های جعلی به موضوع برجسته ای در جوامع تحقیقاتی تبدیل شده است. ضمناً، شناسایی کاربرانی که این اطلاعات نادرست را ایجاد می کنند و در شبکه نشر می دهند، از اهمیت بالایی برخوردار است. این مقاله، به شناسایی کاربرانی که با زبان فارسی اقدام به انتشار اطلاعات نادرست در شبکه اجتماعی توئیتر می کنند، پرداخته است. در این راستا، سیستمی بر مبنای ترکیب ویژگی های بافتار-کاربر و بافتار-شبکه با کمک شبکه مولد متخاصم شرطی برای متوازن سازی مجموعه -داده پایه ریزی شده است. هم چنین، این سیستم با مدل کردن شبکه اجتماعی توئیتر به گراف تعاملات کاربران و تعبیه گره به بردار ویژگی توسط Node2vec، کاربران منتشرکننده اخبار جعلی را شناسایی می کند. علاوه بر این، با انجام آزمایشات متعدد، سیستم پیشنهادی تا حدود 11% ، 13 % ،12 % و 12 % به ترتیب در معیار های دقت، فراخوانی، معیار اف و صحت نسبت به رقبایش بهبود داشته است و توانسته است دقتی در حدود 99% در شناسایی کاربران منتشرکننده اخبار جعلی ایجاد کند.
پرونده مقاله
با توجه به رشد روزافزون شبکههای ارتباطی، در آینده نزدیک دادههای چندرسانهای در اینترنت اشیاء نقش قابل ملاحظهای خواهند داشت. حجم بالای دادههای چندرسانهای باعث چالشهایی مانند کاهش طول عمر شبکه و ایجاد ازدحام در اینترنت اشیاء میشود. در این مقاله تابع هدف جدیدی بر مب چکیده کامل
با توجه به رشد روزافزون شبکههای ارتباطی، در آینده نزدیک دادههای چندرسانهای در اینترنت اشیاء نقش قابل ملاحظهای خواهند داشت. حجم بالای دادههای چندرسانهای باعث چالشهایی مانند کاهش طول عمر شبکه و ایجاد ازدحام در اینترنت اشیاء میشود. در این مقاله تابع هدف جدیدی بر مبنای پروتکل مسیریابی RPL پیشنهاد شده است که ویژگیهای دادههای چندرسانهای را در فرآیند مسیریابی، مورد نظر قرار میدهد. تابع هدف پیشنهادی ترکیب وزندار دو معیار میزان انرژی باقیمانده و ظرفیت بافر گرهها را با توجه به حجم داده در مسیریابی در نظر میگیرد. به منظور ارزیابی این روش، دادهها بر اساس یک فایل اثر ویدئو (video trace) تولید شده و از سنجههای نرخ تحویل بسته، طول عمر شبکه، میزان دسترسپذیری گرهها در طول عمر شبکه، توزیع مصرف انرژی گرهها و تأخیر انتها به انتها برای ارزیابی روش پیشنهادی استفاده شده است. نتایج ارزیابی و مقایسه روش پیشنهادی با RPL پایه نشان میدهد که در روش پیشنهادی نرخ تحویل بسته نسبت به RPL پایه افزایش یافته است. همچنین این روش با توزیع انرژی بین گرهها طول عمر شبکه را نسبت به RPL استاندارد افزایش داده و با کاهش ازدحام شبکه میزان تأخیر انتها به انتها نسبت به RPL پایه کاهش یافته است.
پرونده مقاله
پیشبینی پیوند، یکی از روشهای تحلیل شبکه اجتماعی است. شبکه های دوبخشی یکی از انواع شبکه های پیچیده هستند که بسیاری از وقایع طبیعی، با استفاده از آن قابل مدل شدن هستند. در این مقاله، روشی برای پیشبینی پیوند در شبکه دوبخشی ارائه شدهاست. با توجه به اینکه روشهای پیشبین چکیده کامل
پیشبینی پیوند، یکی از روشهای تحلیل شبکه اجتماعی است. شبکه های دوبخشی یکی از انواع شبکه های پیچیده هستند که بسیاری از وقایع طبیعی، با استفاده از آن قابل مدل شدن هستند. در این مقاله، روشی برای پیشبینی پیوند در شبکه دوبخشی ارائه شدهاست. با توجه به اینکه روشهای پیشبینی پیوند در شبکه یک بخشی برای استفاده در شبکه دوبخشی کارایی پایینی دارند و کارآمد نیستند، نیاز است برای حل این مسئله از روشهایی مختص شبکه دوبخشی استفاده شود. هدف این پژوهش، ارائه روشی جدید، متمرکز و جامع مبتنی بر همسایه است، که عملکردی بهتر از روشهای کلاسیک موجود داشته باشد. روش پیشنهادی از ترکیب معیارهایی بر اساس همسایگی تشکیل شدهاست. معیارهای کلاسیک پیشبینی پیوند با اعمال تغییراتی برای شبکه دوبخشی تعریف شدهاند. این معیارهای تغییر یافته، ارکان اصلی معیار پیشنهادی را تشکیل میدهند. این روش علاوه بر سادگی و پیچیدگی پایین، از کارایی بالایی برخوردار است و روشهای کلاسیک مبتنی بر همسایه را در مجموعه دادههای مورد بررسی به طور میانگین بیش از ۱۵٪ بهبود داده است.
پرونده مقاله
با رشد روز افزون استفاده از شبکههای کامپیوتری برای انتقال داده، سیستمهای سایبری- فیزیکی بسیار مورد توجه قرار گرفته اند. سیستم های کنترل شده تحت شبکه ، از انواع صنعتی این سیستمها هستند که در آن سنسورها و عملگرها، از طریق شبکه اطلاعات را بین واحد های مختلف تبادل می کنن چکیده کامل
با رشد روز افزون استفاده از شبکههای کامپیوتری برای انتقال داده، سیستمهای سایبری- فیزیکی بسیار مورد توجه قرار گرفته اند. سیستم های کنترل شده تحت شبکه ، از انواع صنعتی این سیستمها هستند که در آن سنسورها و عملگرها، از طریق شبکه اطلاعات را بین واحد های مختلف تبادل می کنند. از دست رفتن داده در شبکه بر عملکرد سیستم فیزیکی و پایداری آن تاثیرگذار است. از دست رفتن عمده داده می تواند بدلیل حمله محرومیت سرویس باشد. در این مقاله، به تحلیل پایداری سیستمهای خطی کنترلشده تحت شبکه با احتمال از دست رفتن داده در مسیر پیشرو بدلیل حمله پرداخته شده است. سیستم کنترل شده تحت شبکه در حین حمله با یک سیستم سوییچینگ تصادفی با مدل پرش مارکوف دو وضعیته مدل شده است. در وضعیت شماره یک شبکه داده ارسالی کنترلکننده را به سیستم انتقال میدهد و در وضعیت شماره دو، داده از دست رفته و سیستم از داده دیگری مانند یک مقدار پیش فرض به عنوان ورودی استفاده می کند. در این مقاله پایداری سیستم فیزیکی کنترل شده تحت شبکه حین حملات محرومیت سرویس هم در حوزه زمان پیوسته و هم زمان گسسته مورد تحلیل قرارگرفته است که دستاورد آنها، معرفی شرایط پایداری لیاپانوف برای سیستم با توجه به زمانهای اقامت تصادفی در هر وضعیت است. همچنین با استفاده از نتایج تحلیل انجام شده، یک روش جدید برای پایداری سازی چنین سیستمهایی تحت حمله محرومیت از سرویس از طریق مدیریت مقدار پیش فرض پیشنهاد می شود. در نهایت، مطالعه انجام شده بر روی چند سیستم کنترلی نمونه شبیهسازی شده است. نتایج ضمن تایید تئوری استخراج شده، نشان می دهند که چگونه سیستمی تحت حمله که حدود 80% بسته کنترلی خود را از دست می دهد، با روش پیشنهادی پایدار نگاه داشته می شود.
پرونده مقاله
در این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می باشد، ارائه کرده ایم. معماری پیشنهادی، شکل توسعه چکیده کامل
در این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می باشد، ارائه کرده ایم. معماری پیشنهادی، شکل توسعه یافته مدل VGG سیزده لایه میباشد که طی آن یک مدل معماری دو مسیره تعریف شده است. در مدل معماری پیشنهادی برای بازشناسی دروازه در مسیر اول، مدل با مجموعه داده آموزشی، آموزش داده می شود. اما در مسیر دوم، مجموعه داده های آموزشی ابتدا توسط یک سیستم غربالکننده مورد بررسی قرار گرفته و بهترین تصاویر که شامل ویژگی های متفاوتی با ویژگی های انتخاب شده توسط مسیر اول هستند، انتخاب میشوند. به عبارت دیگر در مسیر دوم، ویژگیهایی از شبکهای مشابه مسیر اول، ولی پس از عبور از سیستم غربالگر تولید میشود.سپس بردارهای ویژگی تولید شده در دو مسیر با یکدیگر ادغام شده و یک بردار ویژگی سراسری حاصل می شود و بدین ترتیب فضاهای متفاوتی از مساله بازشناسی دروازه تحت پوشش قرار گرفته است. ارزیابیهای متنوعی بر روی روش ارائه شده انجام شده است. نتایج ارزیابیها، حاکی از بهبود دقت بازشناسی دروازه بهوسیله مدل معماری دومسیره ارائه شده نسبت به مدل پایه میباشد. همچنین مقایسه روش پیشنهادی با نتایج موجود نشان میدهد دقت روش پیشنهادی، بهتر از نتایج منتشر شده است.
پرونده مقاله
محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در ای چکیده کامل
محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در این تحقیق تلاش داریم با استفاده از یکی از جدیدترین روش های تشخیص هرزنامه و ترکیب آن با تحلیل احساسات دقت تشخیص هرزنامه را افزایش دهیم. ما با استفاده از روش تعبیه سازی، کلمات متن توییت را به عنوان ورودی به یک معماری شبکه عصبی پیچشی داده و خروجی تشخیص دهنده متن هرزنامه یا متن عادی خواهد بود. هم زمان با استخراج ویژگی های مناسب در شبکه توییتر و اعمال روش های یادگیری ماشین بر روی آنها تشخیص هرزنامه بودن توییت را بصورت مجزا محاسبه می کنیم. در نهایت خروجی هر دو روش را به یک شبکه پیچشی تلفیقی وارد می کنیم تا خروجی آن تشخیص نهایی هرزنامه یا نرمال بودن متن توییت را تعیین کند. ما در این تحقیق از دو مجموعه داده متعادل و نامتعادل استفاده می کنیم تا تاثیر مدل پیشنهادی را بر روی دو نوع داده بررسی کنیم. نتایج پژوهش نشان دهنده بهبود کارایی روش پیشنهادی در هر دو مجموعه داده می باشد.
پرونده مقاله
فناوری SDN یکی از فناوریهایی است که در تحول دیجیتال نقش برجستهای ایفاء خواهد نمود. ساختار این فناوری به گونهای است که بتواند خود را با ماهیت پویا و درحال تغییر شبکههای آینده و همچنین با نیازها و درخواستهای کاربران سازگار و همگام سازد. تاثیر این فناوری در هوشمندسازی چکیده کامل
فناوری SDN یکی از فناوریهایی است که در تحول دیجیتال نقش برجستهای ایفاء خواهد نمود. ساختار این فناوری به گونهای است که بتواند خود را با ماهیت پویا و درحال تغییر شبکههای آینده و همچنین با نیازها و درخواستهای کاربران سازگار و همگام سازد. تاثیر این فناوری در هوشمندسازی، چابکی، مدیریت و کنترل تجهیزات، حوزهها و فناوریهای نوین ارتباطی دیگر، کاهش هزینهها و ایجاد کسب و کارهای نوآورانه بسیارحائز اهمیت است. در این خصوص فراهمکنندگان خدمات، از طرفی علاقه زیادی به استقرار SDN، برای مهاجرت زیرساختهای خود از یک معماری ایستا به یک سیستم پویا و قابل برنامهریزی دارند و از طرف دیگر آن را جزو اولویتهای خود نمیدانند و این تصور را دارند که از طریق روشهای سنتی، مدیریت شبکه را انجام دهند. لذا در این پژوهش تلاش شده است ضمن شناخت عوامل موثر بر پذیرش معماری SDN و بکارگیری آن توسط اپراتورهای مخابراتی، مدل پارادایمی موضوع با استفاده از رویکرد سیستمی و نظریه داده بنیاد (مدل اشتراوس و کوربین) استخراج شود. در ارائه مدل بیش از هزار کد اولیه تعیین و در مراحل بازنگری و براساس اشتراکات معانی، مجموعاً 210 کد مستقل احصاء گردید. در انتها با نظرخبرگان از این تعداد کد، مجموعا 73 کدنهایی، 12 کد محوری و 6 مقوله اصلی استخراج شده است.
پرونده مقاله
کاهش بار و مصرف انرژی در سیستم های شبکه روی تراشه از اهمیت بسیاری برخوردار است و يكي از مهمترين مباحثي که برای افزايش کارايي شبكه روی تراشه مطرح است، موضوع نگاشت يک برنامه کاربردی در شبكه روی تراشه است. حل مسئله نگاشت برنامه کاربردی برای يافتن بهترين نگاشت، يک موضوع پي چکیده کامل
کاهش بار و مصرف انرژی در سیستم های شبکه روی تراشه از اهمیت بسیاری برخوردار است و يكي از مهمترين مباحثي که برای افزايش کارايي شبكه روی تراشه مطرح است، موضوع نگاشت يک برنامه کاربردی در شبكه روی تراشه است. حل مسئله نگاشت برنامه کاربردی برای يافتن بهترين نگاشت، يک موضوع پيچيده و زمانبر است و تاثير بسيار زيادی بر تأخير و انرژی مصرفي شبكه دارد. در اين مقاله با استفاده از الگوريتم شاهین هریس توانسته ايم روشی را برای نگاشت هسته های پردازشي به روی شبكه روی تراشه ارائه کنيم تا بار روی شبکه و در نتیجه ازدحام در لینک ها را کاهش داده و عملکرد شبکه بهبود ببخشیم. نتايج شبيهسازی نشان می دهد که اين الگوريتم عملکرد بهتری در مقايسه با الگوريتم-های پايه دارد.
پرونده مقاله
استاندارد BPMN2.0 يک زبان مدلسازي به منظور طراحي فرآيندهاي کسب و کار ميباشد که به علت گويايي بالا، براي طيف وسيعي از کاربران قابل درک و استفاده ميباشد؛ با اين حال، به علت ماهيت غير صوري آن ممکن است مدلهايي حاوي خطاهايي ساختاري همچون بنبست (عدم امکان اجرای فرآیند) چکیده کامل
استاندارد BPMN2.0 يک زبان مدلسازي به منظور طراحي فرآيندهاي کسب و کار ميباشد که به علت گويايي بالا، براي طيف وسيعي از کاربران قابل درک و استفاده ميباشد؛ با اين حال، به علت ماهيت غير صوري آن ممکن است مدلهايي حاوي خطاهايي ساختاري همچون بنبست (عدم امکان اجرای فرآیند) و بنبست حلقوي (تکرار نامتناهی کارها) با استفاده از آنها توليد شود. تاکنون تحقيقات زيادي پيرامون صحتسنجي اين مدلهاي فرآيندي صورت گرفته است و راهکارهاي مختلفي به منظور کشف برخی از این خطاهای ساختاری ارائه شدهاست؛ سوالی که در خصوص این روشها ممکن است مطرح شود این است که آیا میتوان با استفاده از هرکدام از آنها صحت ساختاری یک مدل فرآیندی BPMN را به صورت قطعی تضمین کرد؟ برای پاسخگویی به این سوال نيازمند يک تعريف جامع از يک مدل فرآيندي BPMN2.0 صحيح هستيم تا بر مبنای آن بتوانیم جامعیت روشهای صحتسنجی را مورد ارزیابی قرار داده و بدین وسیله، مطمئن شویم که روش ارائه شده میتواند تمامی خطاهای ساختاری مدل فرآیندی را کشف نماید. در اين پژوهش، بر پايهي یک تعریف عام از مدلهای فرآیندی و مفهوم صحت (بر اساس مدلهاي فرآيندي ايجاد شده با استفاده از شبکههاي پتري) و تعميم ویژگیهای آن، يعني زنده بودن و کراندار بودن به مدلهاي فرآيندي BPMN2.0، يک تعريف جامع براي یک مدل فرآيندي BPMN2.0 صحیح ارائه شدهاست و بر اساس آن، جامعیت روشهای پیشنهادی برخی از مهمترین پژوهشهای صورت گرفته مورد ارزیابی قرار داده شدهاست؛ اين تعريف ميتواند به عنوان يک معيار براي سنجش کارايي روشهاي صحتسنجي اين مدلهاي فرآيندي به کار گرفتهشود.
پرونده مقاله
در یک محیط تجاری که رقابت سختی بین شرکتها وجود دارد، پیشبینی دقیق تقاضا یک امر مهمی است. اگر دادههای مربوط به تقاضای مشتری را در نقاط گسستهای از زمان جمعآوری کنیم، یک سری زمانی تقاضا به دست میآید. درنتیجه، مسئله پیشبینی تقاضا به عنوان یک مسئله پیشبینی سریهای ز چکیده کامل
در یک محیط تجاری که رقابت سختی بین شرکتها وجود دارد، پیشبینی دقیق تقاضا یک امر مهمی است. اگر دادههای مربوط به تقاضای مشتری را در نقاط گسستهای از زمان جمعآوری کنیم، یک سری زمانی تقاضا به دست میآید. درنتیجه، مسئله پیشبینی تقاضا به عنوان یک مسئله پیشبینی سریهای زمانی فرموله میشود. در زمینه پیشبینی سریهای زمانی، روشهای یادگیری عمیق دقت مناسبی در پیشبینی سریهای زمانی پیچیده داشتهاند. با این وجود عملکرد خوب این روشها به میزان دادههای در دسترس وابسته است. بدین منظور در این مطالعه استفاده از تکنیکهای دادهافزایی سری زمانی در کنار روشهای یادگیری عمیق پیشنهاد میشود. در این مطالعه سه روش نوین جهت تست کارایی رویکرد پیشنهادی به کار گرفته شده است که عبارت اند از: 1) حافظه کوتاه مدت طولانی، 2) شبکه کانولوشنی 3) مکانیزم خودتوجه چندسر. همچنین در این مطالعه رویکرد پیشبینی چندگامی به کار گرفته میشود که امکان پیشبینی چند نقطه آینده را در یک عمل پیشبینی به وجود میآورد. روش پیشنهادی بر روی داده واقعی تقاضای یک شرکت مبلمان اعمال شده است. نتایج آزمایشها نشان میدهد که رویکرد پیشنهادی باعث بهبود دقت پیشبینی روشهای بهکار گرفته شده در اکثر حالات مختلف پیشبینی میشود.
پرونده مقاله
در این مقاله به مساله استفاده از روش شکل دهی پرتو سه بعدی(3DBF) در یک شبکه مخابرات سلولی چند ورودی-چند خروجی (MIMO) پرداخته شده است. شبکه مورد نظر از یک سلول با چندین کاربر تشکیل شده است و در آن کاربران براساس فرآیند نقطهای پواسون (PPP) در سطح سلول توزیع شدهاند که به چکیده کامل
در این مقاله به مساله استفاده از روش شکل دهی پرتو سه بعدی(3DBF) در یک شبکه مخابرات سلولی چند ورودی-چند خروجی (MIMO) پرداخته شده است. شبکه مورد نظر از یک سلول با چندین کاربر تشکیل شده است و در آن کاربران براساس فرآیند نقطهای پواسون (PPP) در سطح سلول توزیع شدهاند که به شرایط موجود در یک شبکه واقعی مخابرات سیار نزدیک تر میباشد. در این حالت تعداد کاربران درون سلول و موقعیت آنها تصادفی خواهد بود. با توجه به توزیع کاربران در محیط و تفاوت فاصلهی آنها از ایستگاه پایه، زوایای عمود (زاویه تیلت) آنها نیز متفاوت خواهد بود. با در نظر گرفتن ارسال فروسو و پیشکدکنندهی اعمال صفر (ZF) در فرستنده ایستگاه پایه با هدف حذف تداخل بین کاربران درون سلول، به بررسی و تحلیل احتمال پوشش در سلول پرداخته و سپس بهترین زاویهی عمودی آنتن را برای دستیابی به بیشترین احتمال پوشش را به دست میآوریم. با استفاده از آنالیز نتایج عددی حاصل از روابط به دست آمده، دقت محاسبات و مقدار زاویهی عمود بهینه آرایه آنتن مورد بررسی و تایید قرار میگیرد
پرونده مقاله
پیشبینی بازار سهام به عنوان یک زمینه جذاب و همچنین چالش برانگیز برای سرمایه گذاران در بازارهای مالی عمل میکند. بسیاری از مدلهای مورد استفاده در پیشبینی بازار سهام قادر به پیشبینی دقیق نیستند یا این مدلها نیاز به تعداد داده ورودی بسیار زیادی دارند که باعث افزایش حج چکیده کامل
پیشبینی بازار سهام به عنوان یک زمینه جذاب و همچنین چالش برانگیز برای سرمایه گذاران در بازارهای مالی عمل میکند. بسیاری از مدلهای مورد استفاده در پیشبینی بازار سهام قادر به پیشبینی دقیق نیستند یا این مدلها نیاز به تعداد داده ورودی بسیار زیادی دارند که باعث افزایش حجم شبکهها و پیچیدگی یادگیری میشود که همه این موارد در نهایت موجب کاهش دقت در پیشبینی میشود. این مقاله یک روش برای پیشبینی بازار سهام را پیشنهاد میدهد که این روش قادر هست به طور موثر وضعیت بازار سهام را پیشبینی کند. در این مقاله، برای کاهش حجم دادههای ورودی از قیمت گذشته بازار استفاده شده و این دادهها در یک مدل رگریسور قرار داده شده است. در این حالت، با ارایه یک روش مبتنی بر الگوریتم بهینهسازی ملخ بهبود یافته، تعیین میشود که دادههای فعلی بازار بورس به کدام دادههای قبلی وابسته هستند و با استفاده از دادههای قبلی میتوان داده جدید را پیشبینی کرد. برای پیشبینی سری زمانی نیز از روشهای شبکه عصبی GMDH، شبکه نروفازی و شبکه عصبی استفاده شده است؛ به علاوه، در این مقاله از روشهای متناسبسازی دادهها با استفاده از الگوریتمهای مختلف استفاده شده است که این روشها میتوانند در پیشبینی بازار موثر باشند. در نهایت، از مجموعه داده شرکت تسلا برای اعتبارسنجی و تست الگوریتمهای ارایه شده استفاده شده است و نتایج شبیهسازی در پایان آمده است. همانطور که در قسمت شبیهسازی نشان داده شده، با استفاده از الگوریتم بهینهسازی ملخ بهبود یافته، موثرترین خروجیها برای پیشبینی ارزش سهام به دست آمده و در نهایت با استفاده از چند حالت مختلف پیشبینی انجام شده و نتایج روشهای مختلف مورد مقایسه قرار گرفته و ارزیابی بر اساس معیار خطای میانگین مربع (RMSE) انجام شده است. مدل پیشنهادی پیش بینی بازار سهام دارای حداقل RMSE=4.05 است که نشان دهنده اثربخشی روش پیشنهادی در پیش بینی بازار سهام است. نتایج نشان میدهد که در بین الگوریتمهای ارایه شده مربوط به پیشبینی سری زمانی، شبکه GMDH با الگوریتم ترکیبی ارایه شده، بهترین نتیجه را در بر داشته است.
پرونده مقاله
در این مقاله، وسیلهای برای اندازهگیری شدت میدانهای الکتریکی موجود در محیط، در باند فرکانسی 5G شامل بازه فرکانسی 3400~3600 MHz، طراحی و ارائه میگردد. این وسیله که همان پراب الکتریکیِ 5G نامیده میشود، با استفاده از سه آنتن عمود برهم، به همراه مدارات فیلتر و آشکارسازِ توان چکیده کامل
در این مقاله، وسیلهای برای اندازهگیری شدت میدانهای الکتریکی موجود در محیط، در باند فرکانسی 5G شامل بازه فرکانسی 3400~3600 MHz، طراحی و ارائه میگردد. این وسیله که همان پراب الکتریکیِ 5G نامیده میشود، با استفاده از سه آنتن عمود برهم، به همراه مدارات فیلتر و آشکارسازِ توان، پیاده سازی میگردد. آنتنِ پیشنهادی یک آنتن تک-قطبیِ نواری بوده که این آنتنها در سه جهت عمود بر هم، قادر هستند میدانهای الکتریکی را در همه جهات بصورت یکنواخت و همسانگرد دریافت کنند. فیلترِ پیشنهادی از نوع فیلتر دو خط کوپل-شده مایکرواستریپ میباشد که توانایی حذف سیگنالهای خارج از باند را دارا میباشد. آشکارساز توانِ پیشنهادی، قادر است در رنج دینامیکی وسیعی، بصورت خطی عمل کرده و میدانهای دریافتی از بخش آنتن و فیلتر را به ولتاژهای مناسب جهت پردازش تبدیل کند. در نهایت، پرابِ طراحی شده ساخته میشود. اندازهگیریها، عملکرد مناسبِ پراب را از نظر رنج دینامیکی، دقت، حساسیت و میزان خطی بودن و ایزوتروپیک بودن میدانهای الکتریکیِ دریافتی، تأیید مینماید.
پرونده مقاله
با توسعه روزافزون شبکههای اجتماعی، بسیاری از بازاریابان از این فرصت استفاده کرده و سعی در یافتن افراد تأثیرگذار در شبکههای اجتماعی آنلاین دارند. این مسئله که به عنوان مسئله بیشینهسازی تأثیر شناخته میشود. کارایی زمانی و اثربخشی دو معیار مهم در تولید الگوریتمهای برجس چکیده کامل
با توسعه روزافزون شبکههای اجتماعی، بسیاری از بازاریابان از این فرصت استفاده کرده و سعی در یافتن افراد تأثیرگذار در شبکههای اجتماعی آنلاین دارند. این مسئله که به عنوان مسئله بیشینهسازی تأثیر شناخته میشود. کارایی زمانی و اثربخشی دو معیار مهم در تولید الگوریتمهای برجسته در حوزه مسئله بیشینهسازی تأثیر محسوب میشوند. برخی از محققان با بهرهگیری از ساختار اجتماعات بهعنوان ویژگی بسیار مفید شبکههای اجتماعی، این دو موضوع را بهطور مشهودی بهبود بخشیدهاند. هدف این مقاله بررسی جامع الگوریتمهای برجسته پیشنهادشده در حوزه مسئله بیشینهسازی تأثیر در شبکههای اجتماعی با تأکید ویژه بر رویکردهای مبتنی بر شناسایی اجتماعات است.
پرونده مقاله
مدیریت صحیح اجرای سیاست های حوزه فناوری اطلاعات و ارتباطات در مسیری برنامهریزیشده به منظور رسیدن به ارتقای جایگاه کشور در زمینههای علمی و فناوری، اجتناب ناپذیر است. هدف این پژوهش، ارائه مدل عوامل مؤثر بر اجرای سیاست های حوزه فناوری اطلاعات و ارتباطات ایران به کمک تکن چکیده کامل
مدیریت صحیح اجرای سیاست های حوزه فناوری اطلاعات و ارتباطات در مسیری برنامهریزیشده به منظور رسیدن به ارتقای جایگاه کشور در زمینههای علمی و فناوری، اجتناب ناپذیر است. هدف این پژوهش، ارائه مدل عوامل مؤثر بر اجرای سیاست های حوزه فناوری اطلاعات و ارتباطات ایران به کمک تکنیک شبکه عصبی و بر اساس تئوری ساخت یابی گیدنز میباشد. این تحقیق از منظر انجام آن از نوع پیمایشی و بر مبنای هدف، از نوع کاربردی است زیرا سعی بر آن است که از نتایج پژوهش در مجموعه وزارت ارتباطات و فناوری اطلاعات و شرکت مخابرات ایران بهرهبرداری گردد. گردآوری دادهها، بر اساس روش کتابخانهای و میدانی صورت گرفته است. ابزار گردآوری اطلاعات، ادبیات پژوهش و پرسشنامه محقق ساخته میباشد. جامعه آماری تحقیق کارشناسان فناوری اطلاعات و ارتباطات ستاد شرکت مخابرات ایران (810 نفر) میباشند که 260 نفر براساس فرمول کوکران به صورت تصادفی به عنوان نمونه انتخاب شدند. برای تحلیل داده ها از نرم افزار متلب استفاده شد. طبق یافته ها بهترین ترکیب برای توسعه زمانی است که تمام متغیرهای ورودی همزمان در نظر گرفته شوند و بدترین حالت زمانی است که متغیر توسعه زیرساخت نادیده گرفته شود و همچنین بیشترین اهمیت بر اساس تحلیل حساسیت شبکه، مربوط به توسعه زیرساخت و کمترین مربوط به تامین محتوا می باشد.
پرونده مقاله
<p>تحلیل ویژگی های شخصیتی افراد همواره یکی از موضوعات جذاب پژوهشی بوده است. علاوه بر این، دستیابی به ویژگی‌های شخصیتی براساس داده‌هایی که از رفتار اشخاص به دست می‌آید، یک موضوع چالش برانگیز است. براساس پژوهش‌های انجام شده؛ اغلب مردم، بیشتر وقت خود را چکیده کامل
<p>تحلیل ویژگی های شخصیتی افراد همواره یکی از موضوعات جذاب پژوهشی بوده است. علاوه بر این، دستیابی به ویژگی‌های شخصیتی براساس داده‌هایی که از رفتار اشخاص به دست می‌آید، یک موضوع چالش برانگیز است. براساس پژوهش‌های انجام شده؛ اغلب مردم، بیشتر وقت خود را در شبکه‌های اجتماعی صرف می‌کنند و ممکن است در این شبکه‌های اجتماعی، رفتارهایی را از خود بروز دهند که نمایانگر یک شخصیت در فضای مجازی باشد. امروزه شبکه‌های اجتماعی بسیاری وجود دارند که یکی از آن‌ها، شبکه اجتماعی تلگرام است. تلگرام در ایران نیز مخاطبان بسیاری دارد و افراد به منظور برقراری ارتباط، تعامل با دیگران، آموزش، معرفی محصولات و غیره از آن استفاده می‌کنند. این پژوهش به دنبال این موضوع هست که چگونه می توان یک سیستم توصیه گر را بر اساس ویژگی های شخصیتی افراد بنا نهاد. به این منظور، شخصیت کاربران یک گروه تلگرامی را با استفاده از سه الگوریتم Cosine Similarity، MLP و Bayes شناسایی شده و در نهایت با کمک یک سیستم توصیه‌گر، کانال‌های تلگرامی متناسب با شخصیت هر فرد ، به او پیشنهاد می‌شود. نتایج حاصل از تحقیق نشان می‌دهد که این سیستم توصیه‌گر به طور میانگین 42/65 درصد رضایت کاربران را جلب کرده است.</p>
پرونده مقاله
شبکههاي اجتماعي بهدلیل سرعت انتشار رویدادها و نیز حجم زیاد اطلاعات، به یکي از مهمترین منابع تصمیمگیري در سازمانها تبدیل شدهاند. ولي پیش از استفاده، صحت، قابلیت اطمینان و ارزش اطلاعات تولید شده توسط آنها، باید مورد ارزیابي قرار گیرد. به این منظور، بررسي اعتبار اطلاعات با چکیده کامل
شبکههاي اجتماعي بهدلیل سرعت انتشار رویدادها و نیز حجم زیاد اطلاعات، به یکي از مهمترین منابع تصمیمگیري در سازمانها تبدیل شدهاند. ولي پیش از استفاده، صحت، قابلیت اطمینان و ارزش اطلاعات تولید شده توسط آنها، باید مورد ارزیابي قرار گیرد. به این منظور، بررسي اعتبار اطلاعات با توجه به ویژگيهاي شبکههاي اجتماعي در سه سطح کاربر، محتوا و رویداد امکانپذیر ميباشد. سطح کاربر، قابل اطمینانترین سطح این حوزه ميباشد، زیرا کاربر معتبر، معمولا اقدام به انتشار محتواي معتبر مينماید. از این رو، ارزیابي سطح کاربر مورد توجه این پژوهش ميباشد.
بیشتر مقالات مرتبط به حوزۀ ارزیابي اعتبار کاربران شبکههاي اجتماعي به ارزیابي اعتبار کاربران در حالت کلي پرداختهاند و از اهداف سازماني مانند ارزیابي اعتبار کاربران به منظور یافتن افراد خلاق چشم پوشي نمودهاند. همچنین چرخه حیات کلان داده و مولفههاي مهم در فرآیند ارزیابي اعتبار کاربران کمتر مورد توجه قرار گرفتهاند. از این رو، این تحقیق با بررسي 50 مقاله مهم در این حوزه، مولفههاي مهم را به سه مولفه اصلي )تعیین موضوع محتوا، انتخاب ویژگيها و ارزیابي اعتبار( دسته بندي مينماید و روشها و ویژگيهاي مربوط به هر یک را مورد بحث قرار ميدهد. نهایتا یک چارچوب اولیه ارزیابي اعتبار کاربران شبکههاي اجتماعي با توجه به اهداف سازماني و چرخه حیات کلان داده ارائه گردید. هدف این چارچوب، ارائه یک راهنما مناسب به سازمانها، براي محاسبۀ میزان اعتبار کاربران در فرآیند تصمیمگیري ميباشد.
پرونده مقاله
افزایش تقاضا براي کاربردهاي مبتني بر ابر و استفاده ناکارآمد از منابع، موجب مصرف بيرویه انرژي در مراکز داده ابري شده است.
مدیریت پویاي منابع در مراکز داده با هدف کاهش مصرف انرژي، از طریق پیشبیني بار کاري ماشین مجازي امکانپذیر است. پیشبیني بار کاري ماشین مجازي این امکان چکیده کامل
افزایش تقاضا براي کاربردهاي مبتني بر ابر و استفاده ناکارآمد از منابع، موجب مصرف بيرویه انرژي در مراکز داده ابري شده است.
مدیریت پویاي منابع در مراکز داده با هدف کاهش مصرف انرژي، از طریق پیشبیني بار کاري ماشین مجازي امکانپذیر است. پیشبیني بار کاري ماشین مجازي این امکان را ميدهد که ماشین مجازي متناسب با درخواست کاربران در زمان مناسب مهاجرت کند و در مصرف انرژي موثر باشد و منابع را به کارآمدترین روش تخصیص دهد. پیشبیني بار کاري ماشین مجازي ميتواند بر اساس الگوي درخواست کاربران باشد براي این منظور ميتوان ماشینهاي مجازي را بر اساس پیشبیني مصرف منابع )به عنوان مثال میانگین مصرف پردازنده( در کلاسهاي حساس یا غیر حساس به تأخیر دستهبندي کرد و سپس، ماشینهاي مجازي متناسب با در خواست کاربران را به آنها اختصاص داد. در واقع پیشبیني بار کاري و تحلیل پیشبیني به عنوان یک فرآیند اولیه براي مدیریت منابع )مانند کاهش تعداد مهاجرت در ادغام پویاي ماشین مجازي( باشد. از این رو در این مقاله از ترکیب شبکه عصبي پیچشي و واحد برگشتي دروازهدار بهمنظور پیشبیني بار کاري ماشینهاي مجازي مایکروسافت آزور استفادهشده است. مجموعه داده آزور یک مجموعه داده داراي برچسب است و بار کاري ماشینهاي مجازي در این مجموعه داده در دو برچسب حساس یا غیر حساس به تأخیر قرار دارند. در این مجموعه داده اکثر ماشینهاي مجازي داراي برچسب غیر حساس به تأخیر ميباشند؛ بنابراین بنابراین توزیع نمونهها در این مجموعه داده به صورت نامتوازن است از ین رو براي رفع این چالش از افزایش تصادفي نمونههاي کلاس اقلیت استفاده شده است. طبق نتایج حاصل از آزمایشها، روش پیشنهادي داراي دقت 42 / 94 است که نشاندهنده برتري مدل پیشنهادي نسبت به سایر مدلهاي پیشین است.
پرونده مقاله
مقدمه: ملانوم جزء شایعترین سرطان تشخیصي و دومین علت مرگ ناشي از سرطان در میان افراد است. تعداد مبتلایان به آن در حال افزایش است.
ملانوم، نادرترین و بدخیم ترین نوع سرطان پوست است.در شرایط پیشرفته توانایي انتشار به ارگانهاي داخلي را دارد و ميتواند منجر به مرگ شود.
طبق ب چکیده کامل
مقدمه: ملانوم جزء شایعترین سرطان تشخیصي و دومین علت مرگ ناشي از سرطان در میان افراد است. تعداد مبتلایان به آن در حال افزایش است.
ملانوم، نادرترین و بدخیم ترین نوع سرطان پوست است.در شرایط پیشرفته توانایي انتشار به ارگانهاي داخلي را دارد و ميتواند منجر به مرگ شود.
طبق برآوردهاي انجمن سرطان آمریکا براي ملانوم در ایالاتمتحده براي سال 2022 عبارتاند از: حدود 99،780 ز افراد مبتلابه ملانوم تشخیص داده شدند و حدود 7،650 نفر در اثر ملانوم جان خود را از دست ميدهند. لذا هدف از این مطالعه، طراحي بهبود دقت الگوریتم براي پیش بیني بقاي این بیماران است.
روش پژوهش: روش حاضر کاربردي، توصیفي- تحلیلي و گذشتهنگر است. جامعه پژوهش را بیماران مبتلابه سرطان ملانوم پایگاه داده مرکز تحقیقات کشوري سرطان دانشگاه شهید بهشتي ) 1۳87 تا 1۳91 ( که تا 5 سال مورد پیگیري قرارگرفته بودند، تشکیل داده است. مدل پیشبیني بقاي ملانوم بر اساس شاخص هاي ارزیابي الگوریتم هاي داده کاوي انتخاب شد.
یافته ها: الگوریتم هاي شبکه عصبي، بیز ساده، شبکه بیزي، ترکیب درخت تصمیم گیري با بیز ساده، رگرسیون لجستیک، J48 ، ID3 بهعنوان مدل هاي استفاده شده ي پایگاه داده کشور انتخاب شدند . عملکرد شبکه عصبي در همه شاخصهاي ارزیابي ازلحاظ آماري نسبت به سایر الگوریتم هاي منتخب بالاتر بود.
نتیجه گیري: نتایج مطالعه حاضر نشان داد که شبکه عصبي با مقدار 97 / 0 ازلحاظ دقت پیش بیني عملکرد بهینه دارد. بنابراین مدل پیش بیني کننده بقاي ملانوم، هم ازلحاظ قدرت تمایز و هم ازلحاظ پایایي، عملکرد بهتري از خود نشان داد؛ بنابراین، این الگوریتم به عنوان مدل پیش بیني بقاي ملانوم پیشنهاد شد
پرونده مقاله
در سالهای اخیر، با پیشرفت الکترونیک خودرو و توسعه وسایل نقلیه مدرن با کمک سیستم های نهفته و تجهیزات قابل حمل، شبکه های درون-خودرویی مانند شبکه ناحیه کنترل کننده (CAN) با مخاطرات امنیتی جدیدی مواجه شدهاند. از آنجا که گذرگاه CAN فاقد سیستم های امنیتی مانند تایید اعتبا چکیده کامل
در سالهای اخیر، با پیشرفت الکترونیک خودرو و توسعه وسایل نقلیه مدرن با کمک سیستم های نهفته و تجهیزات قابل حمل، شبکه های درون-خودرویی مانند شبکه ناحیه کنترل کننده (CAN) با مخاطرات امنیتی جدیدی مواجه شدهاند. از آنجا که گذرگاه CAN فاقد سیستم های امنیتی مانند تایید اعتبار و رمزگذاری برای مقابله با حملات سایبری میباشد، نیاز به یک سیستم تشخیص نفوذ برای شناسایی حملات به گذرگاه CAN بسیار ضرروی به نظر میرسد. در این مقاله، یک شبکه عصبی پیچیده متخاصم عمیق (DACNN) برای تشخیص انواع نفوذهای امنیتی در گذرگاههای CAN پیشنهاد شده است. به این منظور، روش DACNN که گسترش یافته روش CNN با استفاده از یادگیری خصمانه است، در سه مرحله به تشخیص نفوذ می پردازد؛ در مرحله نخست، CNN به عنوان توصیفگر ویژگی ها عمل نموده و ویژگیهای اصلی استخراج میشود و سپس، طبقه بندی کننده متمایزگر این ویژگیها را طبقهبندی می کند و در نهایت، به کمک یادگیری خصمانه نفوذ تشخیص داده میشود. جهت بررسی کارآمدی روش پیشنهادی، یک مجموعه داده منبع باز واقعی مورد استفاده قرار گرفت که ترافیک شبکه CAN را بر روی یک وسیله نقلیه واقعی در حین انجام حملات تزریق پیام ضبط نموده است. نتایج به دست آمده نشان میدهد که روش پیشنهادی نسبت به سایر روشهای یادگیری ماشین در نرخ منفی کاذب و میزان خطا عملکرد بهتری دارد که این میزان برای DoS و حمله جعل دنده محرک و حمله جعل RPM کمتر از 0.1 % می باشد و این میزان برای حمله فازی کمتر از 0.5% می باشد.
پرونده مقاله
با توجه به گسترش روز افزون استفاده از سامانههای اینترنتاشیاء صنعتی یکی از پرکابردترین مکانیزمهای امنیتی، سیستمهای تشخیص نفوذ در اینترنتاشیاء صنعتی میباشد. در این سیستمها از تکنیکهای یادگیری عمیق بهطور فزآیندهای برای شناسایی حملات، ناهنجاریها یا نفوذ استفاده م چکیده کامل
با توجه به گسترش روز افزون استفاده از سامانههای اینترنتاشیاء صنعتی یکی از پرکابردترین مکانیزمهای امنیتی، سیستمهای تشخیص نفوذ در اینترنتاشیاء صنعتی میباشد. در این سیستمها از تکنیکهای یادگیری عمیق بهطور فزآیندهای برای شناسایی حملات، ناهنجاریها یا نفوذ استفاده میشود. در یادگیری عمیق مهمترین چالش برای آموزش شبکههای عصبی، تعیین فراپارامترهای اولیه در این شبکهها است. ما برای غلبه بر این چالش، به ارائهی رویکردی ترکیبی برای خودکارسازی تنظیم فراپارامتر در معماری یادگیری عمیق با حذف عامل انسانی پرداختهایم. در این مقاله یک سیستم تشخیص نفوذ در اینترنتاشیاء صنعتی مبتنی بر شبکههای عصبی کانولوشن (CNN) و شبکه عصبی بازگشتی مبتنی بر حافظه کوتاه مدت (LSTM) با استفاده از الگوریتمهای فراابتکاری بهینهسازی ازدحام ذرات (PSO) و وال (WOA) ارائه شده است. این سیستم یک روش ترکیبی براساس شبکههای عصبی و الگوریتمهای فراابتکاری برای بهبود عملکرد شبکه عصبی در راستای افزایش نرخ تشخیص و کاهش زمان آموزش شبکههای عصبی میباشد. در روش ما با درنظر گرفتن الگوریتم PSO-WOA، فراپارامترهای شبکه عصبی بدون دخالت عامل انسانی و بهصورت خودکار تعیین شده است. در این مقاله از مجموعهدادهی UNSW-NB15 برای آموزش و آزمایش استفاده شده است. در این پژوهش، الگوریتم PSO-WOA با محدود کردن فضای جستجو، فراپارامترهای شبکه عصبی را بهینه کرده و شبکه عصبی CNN-LSTM با فراپارامترهای تعیین شده آموزش دیده است. نتایج پیادهسازی حکایت از آن دارد که علاوه بر خودکارسازیِ تعیین فراپارامترهای شبکهی عصبی، نرخ تشخیص روش ما 98.5 درصد بوده که در مقایسه با روشهای دیگر بهبود مناسبی داشته است.
پرونده مقاله
شبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوقالعادهای دست یافتهاند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیادهسازی آنها در بسیاری از دستگاههای نهفته تلقی میشود. از مهمترین روشهای بهینهسازی که در سالهای اخیر برای برطرف نمودن چکیده کامل
شبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوقالعادهای دست یافتهاند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیادهسازی آنها در بسیاری از دستگاههای نهفته تلقی میشود. از مهمترین روشهای بهینهسازی که در سالهای اخیر برای برطرف نمودن این موانع ارائه شده، میتوان به چندیسازی و هرس کردن اشاره کرد. یکی از روشهای معروف چندیسازی، استفاده از نمایش اعداد غیریکنواخت دو حالتی است که علاوه بر بهرهبردن از محاسبات بیتی، افت صحت شبکههای دو حالتی را در مقایسه با شبکههای دقت کامل کاهش میدهد. اما به دلیل نداشتن قابلیت نمایش عدد صفر در آنها، مزایای تنکی دادهها را از دست میدهند. از طرفی، شبکههای عصبی عمیق به صورت ذاتی تنک هستند و با تنک کردن پارامترهای شبکه عصبی عمیق، حجم دادهها در حافظه کاهش مییابد و همچنین به کمک روشهایی میتوان انجام محاسبات را تسریع کرد. در این مقاله میخواهیم هم از مزایای چندیسازی غیریکنواخت و هم از تنکی دادهها بهره ببریم. برای این منظور چندیسازی غیریکنواخت سه حالتی برای نمایش اعداد ارائه میدهیم که علاوه بر افزایش صحت شبکه نسبت به شبکه غیریکنواخت دو حالتی، قابلیت هرس کردن را به شبکه میدهد. سپس میزان تنکی در شبکه چندی شده را با استفاده از هرس کردن افزایش میدهیم. نتایج نشان میدهد که تسریع بالقوه شبکه ما در سطح بیت و کلمه میتواند به ترتیب 15 و 45 برابر نسبت به شبکه غیریکنواخت دو حالتی پایه افزایش یابد.
پرونده مقاله
استاندارد BPMN2.0 يک زبان مدلسازي به منظور طراحي فرآيندهاي کسب و کار ميباشد که به علت گويايي بالا، براي طيف وسيعي از کاربران قابل درک و استفاده ميباشد؛ با اين حال، به علت ماهيت غير صوري آن ممکن است مدلهايي حاوي خطاهايي ساختاري همچون بنبست (عدم امکان اجرای فرآیند) چکیده کامل
استاندارد BPMN2.0 يک زبان مدلسازي به منظور طراحي فرآيندهاي کسب و کار ميباشد که به علت گويايي بالا، براي طيف وسيعي از کاربران قابل درک و استفاده ميباشد؛ با اين حال، به علت ماهيت غير صوري آن ممکن است مدلهايي حاوي خطاهايي ساختاري همچون بنبست (عدم امکان اجرای فرآیند) و بنبست حلقوي (تکرار نامتناهی کارها) با استفاده از آنها توليد شود. تاکنون تحقيقات زيادي پيرامون صحتسنجي اين مدلهاي فرآيندي صورت گرفته است و راهکارهاي مختلفي به منظور کشف برخی از این خطاهای ساختاری ارائه شدهاست؛ سوالی که در خصوص این روشها ممکن است مطرح شود این است که آیا میتوان با استفاده از هرکدام از آنها صحت ساختاری یک مدل فرآیندی BPMN را به صورت قطعی تضمین کرد؟ برای پاسخگویی به این سوال نيازمند يک تعريف جامع از يک مدل فرآيندي BPMN2.0 صحيح هستيم تا بر مبنای آن بتوانیم جامعیت روشهای صحتسنجی را مورد ارزیابی قرار داده و بدین وسیله، مطمئن شویم که روش ارائه شده میتواند تمامی خطاهای ساختاری مدل فرآیندی را کشف نماید. در اين پژوهش، بر پايهي یک تعریف عام از مدلهای فرآیندی و مفهوم صحت (بر اساس مدلهاي فرآيندي ايجاد شده با استفاده از شبکههاي پتري) و تعميم ویژگیهای آن، يعني زنده بودن و کراندار بودن به مدلهاي فرآيندي BPMN2.0، يک تعريف جامع براي یک مدل فرآيندي BPMN2.0 صحیح ارائه شدهاست و بر اساس آن، جامعیت روشهای پیشنهادی برخی از مهمترین پژوهشهای صورت گرفته مورد ارزیابی قرار داده شدهاست؛ اين تعريف ميتواند به عنوان يک معيار براي سنجش کارايي روشهاي صحتسنجي اين مدلهاي فرآيندي به کار گرفتهشود.
پرونده مقاله
مدیریت صحیح اجرای سیاستهای حوزه فناوری اطلاعات و ارتباطات در مسیری برنامهریزیشده بهمنظور رسیدن به ارتقای جایگاه کشور در زمینههای علمی و فناوری، اجتنابناپذیر است. هدف این پژوهش، ارائه مدل عوامل مؤثر بر اجرای سیاستهای حوزه فناوری اطلاعات و ارتباطات ایران به کمک تکن چکیده کامل
مدیریت صحیح اجرای سیاستهای حوزه فناوری اطلاعات و ارتباطات در مسیری برنامهریزیشده بهمنظور رسیدن به ارتقای جایگاه کشور در زمینههای علمی و فناوری، اجتنابناپذیر است. هدف این پژوهش، ارائه مدل عوامل مؤثر بر اجرای سیاستهای حوزه فناوری اطلاعات و ارتباطات ایران به کمک تکنیک شبکه عصبی و بر اساس تئوری ساخت یابی گیدنز میباشد. این تحقیق از منظر انجام آن از نوع پیمایشی و بر مبنای هدف، از نوع کاربردی است زیرا سعی بر آن است که از نتایج پژوهش در مجموعه وزارت ارتباطات و فناوری اطلاعات و شرکت مخابرات ایران بهرهبرداری گردد. گردآوری دادهها، بر اساس روش کتابخانهای و میدانی صورت گرفته است. گردآوری اطلاعات، طبق ادبیات پژوهش و با ابزار پرسشنامه محقق ساخته انجامشده است. جامعه آماری تحقیق کارشناسان فناوری اطلاعات و ارتباطات ستاد شرکت مخابرات ایران (810 نفر) میباشند که 260 نفر بر اساس فرمول کوکران بهصورت تصادفی بهعنوان نمونه انتخاب شدند. برای تحلیل دادهها از نرمافزار متلب استفاده شد. طبق یافتهها بهترین ترکیب برای توسعه زمانی است که تمام متغیرهای ورودی همزمان در نظر گرفته شوند و بدترین حالت زمانی است که متغیر توسعه زیرساخت نادیده گرفته شود و همچنین بیشترین اهمیت بر اساس تحلیل حساسیت شبکه، مربوط به توسعه زیرساخت و کمترین مربوط به تأمین محتوا میباشد.
پرونده مقاله