مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Assessing E-Government Readiness in Iranian Universities, Case Study: Tarbiat Modares Universityارزیابی آمادگی دولت الکترونیکی در دانشگاههای ایران موردکاوی: دانشگاه تربیت مدرّس126faسعیدحیدریگروه مهندسی فنّاوری اطلاعات، دانشگاه تربیت مدرّس، تهرانغلامعلیمنتظرگروه مهندسی فنّاوری اطلاعات، دانشگاه تربیت مدرّس، تهران0000-0003-2866-2930202029Due to the recent advances in electronic government (e-government) and given the fact that universities are recognized as the Leading of innovation and progress in society, the expectation of electronic-government maturity levels in universities is higher than other governmental agencies. Given the high human capital capacity, universities are able to adapt themselves to e-government faster than other governmental organizations. In order to meet these expectations, e-government in universities and higher education institutions must be continuously evaluated. In this paper, we developed a model for assessing e-government readiness at university level, which includes "university-affiliated" indicators and "university-independent" indicators; university affiliates indicators are: " Trust "," Executive Policy and Laws "," Human Resources "," Integrity "," Budget "," Technological Infrastructure "," Digital Culture" and "Supervision, Support and Coordination ", as well as the "National Infrastructure" indicator is an independent indicator of the university. In the field study, the model was used to evaluate e-government readiness at Tarbiat Modares Universityبا توجه به اینکه دانشگاه­ها به عنوان پرچمدار پیشرفت و نوآوری در جامعه شناخته می­شوند انتظار از سطح بلوغ دولت الکترونیکی در دانشگاه­ها بیشتر از سایر سازمان­های دولتی است. دانشگاه­ها با عنایت به ظرفیت بالای سرمایه­­ی انسانی، قابلیت آن را دارند زودتر از سایر سازمان­ها خود را با دولت الکترونیکی تطبیق دهند. برای تحقق این انتظارات دولت الکترونیکیِ دانشگاه­ها و مؤسسات آموزش عالی باید به طور مستمر مورد ارزیابی قرار گیرند. در این مقاله به منظور طراحی مدلی برای ارزیابی آمادگی دولت الکترونیکی در سطح دانشگاه، مدلی استخراج شده که شامل شاخص­های «وابسته به دانشگاه» و شاخص­های «مستقل از دانشگاه» است، شاخص­های وابسته به دانشگاه عبارتند از: «اعتماد»، «سیاست اجرایی و قوانین»، «منابع انسانی»، «یکپارچگی»، «بودجه»، «زیرساخت­های فناورانّه»، «فرهنگ دیجیتالی» و« نظارت، پشتیبانی و هماهنگی»، همچنین شاخص «زیرساخت‌های ملّی» به عنوان شاخص مستقل از دانشگاه در نظر گرفته شده است. در ادامه در مطالعه­ی میدانی از مدل مذکور برای ارزیابی آمادگی دولت الکترونیکی در دانشگاه تربیت مدرّس استفاده شده است.دولت الکترونیکی، آمادگی دولت الکترونیکی، دانشگاه، مدل فرو ملّی، دانشگاه تربیت مدرّس.http://jour.aicti.ir/fa/Article/Download/8703
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021An Improved Method for Detecting Phishing Websites Using Data Mining on Web Pagesبهبود روش شناسایی وب سایت فیشینگ با استفاده از داده‌کاوی روی صفحات وب2738faمهدیهبهارلودانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران علیرضایاریپژوهشگاه ارتباطات و فناوری اطلاعات2020420Phishing plays a negative role in reducing the trust among the users in the business network based on the E-commerce framework. therefore, in this research, we tried to detect phishing websites using data mining. The detection of the outstanding features of phishing is regarded as one of the important prerequisites in designing an accurate detection system. Therefore, in order to detect phishing features, a list of 30 features suggested by phishing websites was first prepared. Then, a two-stage feature reduction method based on feature selection and extraction were proposed to enhance the efficiency of phishing detection systems, which was able to reduce the number of features significantly. Finally, the performance of decision tree J48, random forest, naïve Bayes methods were evaluated{cke_protected_1}{cke_protected_2}{cke_protected_3}{cke_protected_4} on the reduced features. The results indicated that accuracy of the model created to determine the phishing websites by using the two-stage feature reduction based Wrapper and Principal Component Analysis (PCA) algorithm in the random forest method of 96.58%, which is a desirable outcome compared to other methods.فیشینگ یک نوع حمله اینترنتی در سطح وب است که هدف آن سرقت مشخصات فردی کاربران برای دزدی آنلاین است. فیشینگ دارای اثر منفی در از بین بردن اعتماد بین کاربران در کسب‌وکارهای الکترونیکی است؛ بنابراین در این تحقیق سعی بر بررسی روشهای تشخیص وب سایت‌های فیشینگ با استفاده از داده کاوی شده است. شناسایی ویژگی‌های برجسته از فیشینگ یکی از پیش‌شرط‌های مهم در طراحی یک سیستم تشخیصی دقیق است؛ لذا در گام اول، برای شناسایی ویژگی‌های نفوذ فیشینگ یک لیست با 30 ویژگی مطرح در وب‌سایت‌های فیشینگ آماده گردید. سپس برای افزایش کارایی سامانه‌های تشخیص فیشینگ روش جدیدی جهت کاهش ویژگی ها در دومرحله‌ مبتنی بر انتخاب ویژگی و استخراج ویژگی پیشنهاد شده است که موجب می شود تعداد ویژگی‌ها به‌طور قابل‌توجهی کاهش یابند. پس‌ازآن عملکرد روش‌های درخت تصمیم J48، جنگل تصادفی و بیزین ساده بر روی ویژگی‌های کاهش‌یافته موردبررسی قرار گرفت. نتایج نشان می‌دهند دقت مدل ایجاد شده برای تعیین وب سایت‌های فیشینگ با استفاده از کاهش ویژگی دومرحله‌ای مبتنی بر پوششی و الگوریتم تحلیل مؤلفه اصلی (PCA) در روش جنگل تصادفی ۹۶٫۵۸% می‌باشد که نسبت به سایر روش‌ها نتیجه مطلوبی است.فیشینگ، داده‌کاوی، انتخاب ویژگی، استخراج ویژگیhttp://jour.aicti.ir/fa/Article/Download/8705
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Increasing the value of collected data and reducing energy consumption by using network coding and mobile sinks in wireless sensor networksافزایش مقدار داده جمع‌آوری شده و کاهش مصرف انرژی با استفاده از کدگذاری شبکه و سینک‌های متحرک در شبکه‌های حسگر بی‌سیم3954faاحسانخراطیدانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد قم 20191230The wireless sensor network includes a number of fixed sensor nodes that move sink nodes to collect data between nodes. To reduce energy consumption and increase the value of collected data, it is necessary to determine the optimum route and residence location of mobile sinks, which increases the life of wireless sensor networks. Using network coding, this paper presents a Mixed Integer Linear Programming Model to determine the optimal multicast routing of source sensor nodes to mobile sinks in wireless sensor networks, which determines the time and location of sinks to collect maximum coded data and reduces the delay in sink movement and energy consumption. Solving this problem in polynomial time is not possible due to the involvement of various parameters and the constrained resources of wireless sensor networks. Therefore, several exploratory and greedy and fully distributed algorithms are proposed to determine the movement of sinks and their residence location based on maximizing the value of coded data and the type of data dead time. By simulating, the optimal method and the use of coding and proposed algorithms, reduce the runtime and energy consumption and increase the value of collected data and network lifetime than non-coding methods. 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.شبکه‌های حسگر بی‌سیم، کدگذاری شبکه، مسیر بهینه سینک متحرک، کاهش مصرف انرژی، افزایش داده‌های جمع‌آوری شده.http://jour.aicti.ir/fa/Article/Download/8704
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021An Improved Method Based on Label Propagation and Greedy Approaches for Community Detection in Dynamic Social Networksارائه ی یک روش بهبود یافته مبتنی بر انتشار برچسب و رویکرد بهینه سازی ماژولاریتی برای تشخیص جوامع در شبکه های اجتماعی پویا5569faمحمدستاریمرکز تحقیقات فناوری اطلاعات در امور سلامت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران0000-0002-6091-4248 کارمرانزمانی فرگروه مهندسی نرم¬افزار، دانشکده مهندسی کامپيوتر، دانشگاه اصفهان، اصفهان، ايران 20191230Community detection in temporal social networks is one of the most important topics of research which attract many researchers around the world. There are variety of approaches in detecting communities in dynamic social network among which label propagation approach is simple and fast approach. This approach consists of many methods such as LabelRankT is one with high speed and less complexity. Similar to most methods for detecting communities in dynamic social networks, this one is not trouble free. That is, it is not considered the internal connection of communities, when it expands communities of the previous snapshots in the current snapshot. This drawback decreases the accuracy of community detection in dynamic social networks. For solving the drawback, a greedy approach based on local modularity optimization is added to LabelRankT method. Here, the newly proposed GreedyLabelRankT, LabelRankT and non-overlapping version of Dominant Label Propagation Algorithm Evolutionary (DLPAE-Non Overlapping) on real and synthetic datasets are implemented. Experimental results on both real and synthetic network show that the proposed method detect communities more accurately compared to the benchmark methods. Moreover, the finding here show that running time of the proposed method is close to LabelRankT. Therefore, the proposed method increase the accuracy of community detection in dynamic social networks with no noticeable change in the running time of that.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.رتبه بندی برچسب مبتنی بر زمان حریصانه، رتبه بندی برچسب مبتنی بر زمان، رویکرد انتشار برچسب، تشخیص جوامع، شبکه ی اجتماعی پویاhttp://jour.aicti.ir/fa/Article/Download/8702
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Using a multi-objective optimization algorithm for tasks allocate in the cloud-based systems to reduce energy consumptionاستفاده از یک الگوریتم بهینه‌سازی چند هدفه برای تخصیص کارها در سیستم‌های مبتنی بر ابر با هدف کاهش انرژی مصرفی7185faسارا طبقچی میلان گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران نیماجعفری نویمی پورگروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران 2020311Nowadays, new technologies have increased the demand for business in the web environment.Increasing demand will increase the variety and number of services. As a result, the creation of large-scale computing data centers has high operating costs and consumes huge amounts of electrical power. On the other hand, inadequate and inadequate cooling systems not only cause excessive heating of resources and shorten the life of the machines. It also produces carbon that plays an important role in the weather. Therefore, they should reduce the total energy consumption of these systems with proper methods. In this research, an efficient energy management approach is provided in virtual cloud data centers, which reduces energy consumption and operational costs, and brings about an increase in the quality of services. It aims to provide a resource allocation strategy for cloud systems with the goal of reducing energy, cost of implementation and examining its use in cloud computing. The results of the simulation show that the proposed method in comaprision to NPA, DVFS, ST and MM methods can reduce the average energy consumption up to 0.626 kWh, also the need to immigration and SLA violation declined up to 186 and 30.91% respectively.افزایش تقاضا منجر به افزایش تنوع، تعداد خدمات و درنتیجه ایجاد مراکز داده رایانش با مقیاس بزرگ‌شده است که علاوه بر هزینه‌های عملیاتی بالا، مقادیر عظیمی از توان الکتریکی را مصرف می­کند. از طرفی سیستم‌های خنک‌کننده ناکافی و ناکارآمد، نه‌تنها باعث گرم شدن بیش‌ازحد منابع و کاهش عمر کاری دستگاه‌ها می‌شود، بلکه باعث تولید کربن شده که در وضعیت آب‌وهوا نقش مهمی دارد. ازاین‌رو، در این پژوهش، یک روش مؤثر مدیریت منابع انرژی در مراکز داده ابری مجازی شده ارائه‌شده که علاوه بر کاهش مصرف انرژی و هزینه­های عملیاتی، باعث افزایش کیفیت خدمات نیز شده است. این پژوهش، به ارائه یک استراتژی تخصیص منبع در سیستم­های ابری باهدف کاهش انرژی و هزینه اجرا پرداخته و کاربرد آن را در محیط رایانش ابری بررسی می­کند. نتایج حاصل از شبیه­سازی نشان می­دهد که روش پیشنهادی می­تواند نسبت به روش­های NPA[1]، [2]DVFS، [3]ST و [4]MM ، میانگین انرژی مصرفی را تا 0.626 کیلووات ساعت کاهش دهد، همچنین نیاز به مهاجرت و موارد نقض SLA نیز به ترتیب به 186 و 30.91% کاهش پیدا نمود.رایانش ابری، انرژی مصرفی، تخصیص کار، الگوریتم بهینه‌سازی چند هدفهhttp://jour.aicti.ir/fa/Article/Download/8706
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Incentive reward mechanism for Participants to the human computing system of Intrusion Detection Based on Game Theoryارائه مکانیزم پاداش‌دهی مشوق برای مشارکت‌کنندگان در سیستم محاسبات انسانی تشخیص نفوذ بر اساس نظریه بازی‌ها87103faیحیی لرمحمدحسنی اسفندقه گروه کامپیوتر- دانشکده فناوری اطلاعات و ارتباطات - دانشگاه جامع امام حسین(ع) مجیدغیوری ثالثگروه کامپیوتر - دانشکده فناوری اطلاعات و ارتباطات - دانشگاه جامع امام حسین (ع)202045Despite the tremendous advances in the design of human computing systems, most of them suffer from low participation or poor quality participation and a high percentage of them fail. To a large extent, the success of these systems depends on people who really behave in the system. Because human computing systems include small units of work, and each job yields little benefit to the participants, humans display a good behavior in the system if they are well-stimulated for doing so. In this paper, this issue investigated in the Intrusion Detection Human Computation system. Our purpose of creating the stimulus for increasing of employee participation is to do their jobs carefully and effortlessly with the lowest possible cost. After selecting the appropriate stimuli for this system, we designed the mechanism of rewarding incentives. The idea behind this mechanism is to use the skill of the staff in determining their rewards. After designing this mechanism, we used the theory of games to analyze and determine the game's balance. Then, we determine the minimum possible reward for each category of work using the results obtained from the mechanism analysis based on game theory. We validate of this mechanism using game theory and the results of implementation. Designing this mechanism will increase the accuracy of respondents in answering and as a result, increase the accuracy of the human intelligence detection system in identifying new attacks and reducing their erroneous alert rates. Also, by allocating the lowest financial resources required to employees based on the analysis obtained from the game theory and managing human computing system of Intrusion Detection, encourages participants to participate in the system and, as a result, prevent the failure of the human computing system of intrusion detection.باوجود پیشرفت‌های شگرف در حوزه طراحی سیستم‌های محاسبات انسانی اکثر آن‌ها از مشارکت کم یا مشارکت بدون کیفیت رنج می‌برند و درصد بالایی از آن‌ها با شکست مواجه می‌شوند. ‌موفقیت این سیستم‌ها تا حدود زیادی به انسان‌هایی که به‌صورت واقعی در سیستم رفتار می‌کنند بستگی دارد. چون سیستم‌هایی محاسبات انسانی شامل واحد‌های کوچکی از کارها هستند و هر کار سود کمی به مشارکت‌کنندگان می‌رساند، انسان‌ها در صورتی در سیستم رفتار مطلوبی بروز می‌دهند که برای انجام آن بخوبی تحریک شده باشند. ما در این مقاله، این مسئله را در سیستم محاسبات انسانی تشخیص نفوذ مورد بررسی قرار دادیم. هدف ما از ایجاد تحریک افزایش مشارکت کارکنان، انجام کارها توسط کارکنان با دقت و تلاش زیاد با کمترین هزینه ممکن می‌باشد. پس‌ از انتخاب محرک‌های مناسب برای این سیستم اقدام به طراحی مکانیزم پاداش‌دهی محرک کردیم. ایده این مکانیزم استفاده از مهارت کارکنان در تعیین پاداش آن‌ها می‌باشد. پس از طراحی این مکانیزم از نظریه بازی‌ها به‌منظور تحلیل و مشخص کردن تعادل بازی استفاده کردیم. سپس حداقل پاداش ممکن برای هر دسته از کارها را با استفاده از نتایج به‌دست‌آمده از تحلیل مکانیزم بر اساس نظریه بازی‌ها، مشخص می‌کنیم. درستی این مکانیزم را با استفاده از نظریه بازی‌ها و نتایج به‌دست‌آمده از پیاده‌سازی نشان دادیم. طراحی این مکانیزم منجر به افزایش دقت مشارکت‌کنندگان در پاسخ دادن و درنتیجه افزایش دقت سیستم محاسبات انسانی تشخیص نفوذ در شناسایی حملات جدید و کاهش نرخ هشدار اشتباه آن‌ها می‌شود. همچنین با اختصاص کمترین منابع مالی موردنیاز به کارکنان بر اساس تحلیل به‌دست‌آمده از نظریه بازی و درنتیجه مدیریت منابع مالی سیستم محاسبات انسانی تشخیص نفوذ منجر به تشویق مشارکت‌کنندگان به مشارکت در سیستم و درنتیجه جلوگیری از شکست سیستم محاسبات انسانی تشخیص نفوذ می‌شود. تشخیص نفوذ، محاسبات انسانی، نظریه بازی، پاداش‌دهی محرک، ضریب کاپا http://jour.aicti.ir/fa/Article/Download/8707
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Fast and accurate concept drift detection from event logsارائه یک روش سریع و دقیق برای شناسایی رانش مفهوم با تحلیل سابقه‌ی رویدادها105117faمهدییعقوبیگروه مهندسی کامپیوتر، دانشکده فنی مهندسی گرگان، دانشگاه گلستان، گرگانعلیسبطیگروه مهندسی کامپیوتر، دانشکده فنی مهندسی گرگان، دانشگاه گلستان، گرگانسهیلاکرباسیاستادیار2020426In organizations and large companies that are using business process management systems (BPMSs), process model can change due to upstream laws, market conditions. BPMSs have flexible to these changes. Effect of these change are saved in storage devises and event logs; these changes are sometimes applied suddenly or gradually on the event logs. Changing the season or starting a new financial term can be a factor to make these changes. This change is called concept drift in business process model. On time detection and recognition of process concept drift can affect the decision making of managers and administrations of systems. An analysis of the event logs in BPMS allows the automatic detection of the concept drift. This paper presents an innovative method by introducing a modified distance function to identify the concept drift. Experimental results were performed on 72 datasets in the research history, which included 648 concept drifts in 12 different types. It shows that the proposed method detects 98.18% of the drifts, while the proposed method is much faster than other state of the art methods.در سازمان ها و شرکت های بزرگ که از سیستم های مدیریت فرآیندهای کسب و کار (BPMS) بهره می برند، در هر لحظه با توجه به قوانین بالادستی و شرایط بازار، ممکن است در فرآیندهای کسب و کار تغییرات رخ دهد. این تغییرات گاهی به صورت آنی و گاهی به صورت تدریجی روی سیستم اعمال می گردد. شناسایی به موقع این تغییرات می تواند در تصمیم گیری بهتر مدیران سازمان اثر گذار باشد. تجزیه و تحلیل سابقه ی رویدادها در این سیستم ها، امکان شناسایی تغییرات ایجاد شده در فرآیندهای کسب و کار را به صورت خودکار فراهم می کند. به این تغییرات در فرآیندها به اصطلاح رانش مفهوم در فرآیند کسب و کار گفته می شود. استخراج رانش مفهوم اشاره دارد به شناسایی محل و نوع تغییراتی که در طول زمان در فرآیندهای کسب و کار یا به طور کلی در سابقه‌ی روبداد رخ داده است. در این مقاله یک روش ابتکاری با معرفی یک تابع فاصله اصلاح شده، برای شناسایی محل و زمان ایجاد رانش مفهوم ارائه می-شود. آزمایش های انجام شده بر روی 72 پایگاه دادِگان موجود در پیشینه ی پژوهش که شامل 648 رانش مفهوم در 12 نوع مختلف است، نشان می دهد روش پیشنهادی 18/98 درصد از رانش ها را تشخیص می‌دهد درحالی که روش پیشنهادی نسبت به بهترین روش موجود بسیار سریع‌تر است.مدیریت فرآیندهای کسب و کار، شناسایی تغییرات در فرآیند، رانش مفهوم، فرآیندکاوی http://jour.aicti.ir/fa/Article/Download/13598
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Textual analysis of central bank news in forecasting long-term trend of Tehran stock exchange indexتحلیل متنی خبرهای بانک مرکزی در پیش‌بینی بلندمدت شاخص بورس اوراق بهادار تهران119132faمیثمهاشمیمهندسی کامپیوتر، دانشگاه اصفهانمهرانرضاییعضو هیات علمیمرجانکائدیدانشکده مهندسی کامپیوتر، دانشگاه اصفهان202065Financial markets have always been under influence of media news; therefore, text analysis of news is considered as an effective method of stock exchange forecasting. Research in this context has been conducted with the help of information retrieval techniques, in which high frequency words in a document that appeared sporadically in the whole corpus received higher weight than others. In contrast, the words which appeared in many news of a corpus, during a certain time, indicate the importance of an event. In our research, to address this contradiction, a new technique of assigning weight to influential words of news is presented. Financial news of Iran Central Bank (CBI) and actual data of Tehran Stock Exchange Index (TSEI) in the duration of 2005 to 2020 AD were utilized to evaluate the proposed method. The empirical results show 64% and 41% accuracy of trend prediction when TSEI moves upward and downward respectively and about 10% decreasing in Mean Absolute Error (MAE) to compare with prevalent techniques. While, the changes of the ratio between the number of positive and negative words in news does not offer predictive or analytical evidences, our results show that, there still exists a meaningful relationship between CBI news and TSEI fluctuations.بازارهای مالی همواره تحت تاثیر انتشارات رسانه‌های خبری بوده‌اند. به همین دلیل تحلیل اسناد خبری به عنوان یک رهیافت برای پیش‌بینی بورس اوراق بهادار به کار رفته است. در تحقیقات پیشین در این زمینه، تحلیل اسناد متنی با استفاده از روش‌های رایج در بازیابی اطلاعات انجام گرفته است. مبنای آماری این روش‌های رایج بر این است که کلماتی که در مجموعه اسناد کم‌تکرار هستند ولی در یک سند پرتکرار هستند، نسبت به کلمات پرتکرار مجموعه و سند، وزن بالاتری بگیرند. ولی مشکل این است که برخلاف آنچه در تحقیقات قبلی در نظر گرفته شده است، در اسناد خبری، کلمات پرتکرار نشان‌دهنده خبرهای مهم و تاثیرگذار هستند. در این تحقیق برای رفع این مشکل، یک روش جدید برای وزن‌دهی کلمات اسناد خبری ارائه شده است. روش پیشنهادی روی داده‌های شاخص کل بورس اوراق بهادار تهران و اسناد خبری بانک مرکزی ایران در بازه زمانی 1384 تا 1399 ارزیابی شده است. نتایج حاکی از 64 درصد صعودی و 41 درصد نزولی دقت پیش‌بینی نوسانات شاخص کل و کاهش 10 درصد میانگین درصد خطای مطلق نسبت به بهترین روش رایج می‌باشد. همچنین نتایج نشان می‌دهد که اگرچه تغییرات در نسبت بین تعداد کلمات مثبت و منفی شواهد پیش گویانه ای ارائه نمیکند اما بین خبرهای منتشرشده از سوی بانک مرکزی و نوسانات شاخص کل بورس تهران ارتباط وجود دارد.شاخص کل بورس تهران، پیش‌بینی بلندمدت، تحلیل متنی، اخبار مالی، وزن‌دهی DFhttp://jour.aicti.ir/fa/Article/Download/13599
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Improving performance of probe-based rate control mechanisms using classification: evaluation on an experimental testbed for High Throughput WLANsبهبود کارایی سازوکارهای کنترل نرخ مبتنی برکاوش به کمک دسته-بندی: ارزیابی بر روی بستر آزمایشی شبکه¬های بی¬سیم محلی پرسرعت133142faعلیقالیبافمهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدانمحمدنصیریعضو هیات علمی دانشگاهمحمدحسن داعی مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدانمهدی سخائی نیا گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان2020426MIMO technology offers a wide range of transmission rates for modern wireless LANs. In order to improve the performance of the rate control module, statistical information on the history of state and usage of each transmission rate is maintained at the MAC layer to help determine the rate at which future packets are sent. However, the great diversity of transmission rates in the 802.11n and 802.11ac standards imposes an overhead for updating this information. In this article, to reduce the state space of transmission rates while keeping statistics approximately up to date for each rate, a method for clustering rates is presented so that when sending a packet over a transmission rate, statistical information relating to all the rates belonging to the same cluster is updated. As a result, statistics for a greater number of rates can be updated even when sending a fewer number of packets. We implemented our proposed mechanism in the Linux kernel environment and evaluated its performance under different conditions on an experimental testbed deployed in our research laboratory. The results show that the proposed method outperforms the de-facto Minstrel-HT rate control mechanism in terms of throughput and number of successful transmissions.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.نرخ کنترل ارسال، شبکه‌های بی‌سیم محلی پرسرعت، بستر آزمایشی، دسته‌بندی نرخ‌، روش Minstrel HT، روش CRA http://jour.aicti.ir/fa/Article/Download/13600
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021The aware genetic algorithm of the best member, applied to graph coloring and metric-dimension of the graph problemsالگوریتم ژنتیکِ آگاه از بهترین عضو با کاربرد در رنگ آمیزي و بعدمتریک گراف143154faمحمودامین طوسیدانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواري، سبزوار0000000196406475هاشمعزتیدانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواري، سبزوار2020316Genetic algorithm is one of the most famous methods for solving Combinatorial Optimization Problems. It had various applications in different field of studies such as Electronics, Computer Science and Mathematics and still has. In this algorithm, the population members which contribute for producing the next generation are selected according to their fitness values. The combination of the members is through Crossover Operator; And in some versions a few of the best members migrate to the next generation directly. Normally, the weak members of population may participate to the next generation. In this study, the combination operators are aware of the best member of generation; Only those child which are as good as the best member, are allowed to form the next generation. The proposed method is applied on graph coloring and finding metric-dimension of graph problems. The results are compared with the common genetic algorithm. Experimental results shows the superior performance of the proposed method in comparison to common genetic algorithm.الگوریتم ژنتیک از معروف ترین روش هاي حل مسائل بهینه سازي ترکیبیاتی است که کاربردهاي متعددي در حوزه هاي گوناگونی الگوریتم ژنتیک از معروف‌ترین روش‌های حل مسائل بهینه‌سازی ترکیبیاتی است که کاربردهای متعددی در حوزه‌های گوناگونی همچون برق، کامپیوتر و ریاضی داشته و دارد. نسل‌ بعد در این الگوریتم با انتخاب اعضای جمعیت بر اساس میزان برازندگی آنها صورت می‌پذیرد. ارتباط اعضا از طریق عملگر ترکیب می‌باشد و برخی از بهترین اعضا مستقیماً به نسل بعد منتقل می‌شوند. به صورت معمول اعضای ضعیف جمعیت نیز امکان مشارکت در ایجاد نسل بعد را دارند و حذف نمی‌شوند. در این مقاله، عملگرهای تولید فرزند، از بهترین عضو نسل جاری آگاه هستند و تنها فرزندانی به خوبیِ بهترین عضو، تولید شده و در نسل بعد قرار می‌گیرند. شیوه‌ی پیشنهادی در دو کاربرد رنگ‌آمیزی و بعدمتریک گراف با روش معمول الگوریتم ژنتیک مورد مقایسه قرار گرفته و برتری آن در حالت متوسط هم از نظر کیفیت و هم سرعت اجرا نسبت به الگوریتم ژنتیک مرسوم، نشان داده شده است.لگوریتم ژنتیک، الگوریتم هاي فراابتکاري، بعدمتریک گراف، رنگ آمیزي گرافhttp://jour.aicti.ir/fa/Article/Download/13601
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Converting protein sequence to image for classification with convolutional neural networkتبدیل توالی پروتئین به تصویر جهت طبقه¬بندی با شبکه عصبی کانولوشنی155168faرضااحسنعضو هیات علمیمنصورابراهیمیدانشکده علوم پایه - دانشگاه قم - قم - ایران روح اللهدیانتدانشکده فنی مهندسی - دانشگاه قم - قم – ایران202023Since methods for sequencing machine learning sequences were not successful in classifying healthy and cancerous proteins, it is imperative to find a way to represent these sequences to classify healthy and ill individuals with deep learning approaches. In this study different methods of protein sequence representation for classification of protein sequence of healthy individuals and leukemia have been studied. Results showed that conversion of amino acid letters to one-dimensional feature vectors in classification of 2 classes was not successful and only one disease class was detected. By changing the feature vector to colored numbers, the accuracy of the healthy class recognition was slightly improved. The binary protein sequence representation method was more efficient than the previous methods with the initiative of sequencing the sequences in both one-dimensional and two-dimensional (image by Gabor filtering). Protein sequence representation as binary image was classified by applying Gabor filter with 100% accuracy of the protein sequence of healthy individuals and 98.6% protein sequence of those with leukemia. The findings of this study showed that the representation of protein sequence as binary image by applying Gabor filter can be used as a new effective method for representation of protein sequences for classificationاز 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.تبدیل توالی پروتئین به تصویر، فیلتر گابور، شبکه عصبی کانولوشنی، طبقه¬بندی توالی پروتئین.http://jour.aicti.ir/fa/Article/Download/13602
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411124320201021Modeling and simulation of the central generator of the pattern to produce curved-linear motions in the snake robotمدل‌سازی و شبیه‌سازی مولد مرکزی الگو جهت تولید حرکات منحنی-خطی در ربات مار169175faمرتضیواثقمهندسی مکاترونیک، دانشگاه صنعتی ارومیه، ایران یعقوبپوراسداستادیار2020620With the advancement of science and technology and the importance of using robots, the need to use automated systems seems essential. Since most applications of snake robots move in unfamiliar and sometimes complex environments, there is a need to develop different control methods for them. The product of the integration of the two sciences of neuroscience and robotics, are motor neuron producers known as model central generators, which is the problem of producing motion in the robot. In this paper, we control the movement of a snake-like robot with a central pattern generator (CPG) that is able to produce coordinated patterns of output signals with different frequencies. For this purpose, it is necessary to model the snake robot first and then apply control Be. In this paper, the control of robot motion control in two modes of open loop and closed loop for CPG network is presented. At the same time, this study with simulations shows that the lower the level of stimulation and the lower its level, the lower the frequency of motion production and vice versa. Then, the effect of CPG models, which are used as neural networks, is simulated in motion control. In this paper, the remarkable point in comparison with other controllers is that in the central generating neural networks, the pattern of simple signals is sufficient to stimulate and induce the movement of robots, which is shown in the simulationبا پیشرفت علوم و صنایع و اهمیت به کارگیری ربات‌ها، ضرورت استفاده از سیستم‌های خودکار امری ضروری به نظر می‌رسد. از آنجا که بیشتر کاربردهای ربات‌های مار حرکت در محیط‌های ناشناخته و بعضاً پیچیده است، لزوم ایجاد روش‌های کنترلی متفاوت برای آن‌ها احساس می‌شود. ماحصل ادغام دو علم عصب شناسی و رباتیک، تولید کننده‌های عصبی حرکتی هستند که با نام مولدهای مرکزی الگو شناخته می‌شوند که مسئله تولید حرکت در ربات می‌باشد. در این مقاله به بررسی کنترل حرکت ربات مار مانند با مولد مرکزی الگو (CPG) پرداخته شده که قادر به تولید الگوهای هماهنگ سیگنال‌های خروجی با فرکانس‌های مختلف هستند، بدین منظور لازم است که در ابتدا ربات مار مدل شود و پس از آن اعمال کنترلی اعمال شود. در این مقاله بررسی کنترل حرکت ربات در دو حالت حلقه باز و حلقه بسته برای شبکه CPG ارائه شده است. در عین حال این پژوهش با شبیه‌سازی‌های انجام شده نشان می‌دهد که هر چه میزان تحریک کمتر باشد و سطح آن پایین‌تر، منجر به تولید حرکتی با فرکانس پایین‌تر می‌شود و بالعکس. سپس نحوه تاثیر مدل‌های CPG که به عنوان شبکه‌های عصبی استفاده می‌شوند، در کنترل حرکت شبیه‌سازی شده‌اند. در این مقاله نکته قابل توجه در مقایسه با سایر کنترل کننده‌ها این است که در شبکه‌های عصبی مولد مرکزی الگو سیگنال‌های ساده برای تحریک و القای حرکت ربات‌ها کافی می‌باشد که در شبیه‌سازی نشان داده شده استمولد مرکزی الگو، شبیه‌سازی، ربات مار، کنترل کننده عصبیhttp://jour.aicti.ir/fa/Article/Download/13603