چکیده یکی از مهمترین موانع برای استفاده از بانکداری اینترنتی عدم امنیت تراکنشها و برخی سوءاستفاده‌ها در مسیر انجام مبادلات مالی است.به همین دلیل جلوگیری از نفوذ غیرمجاز و تشخیص جرم از مسائل مهم در مؤسسات مالی وبانکهاست. دراین مقاله سیستمی هوشمندی طرح شده است که تشخیص رفتارهای مشکوک و غیرمعمول کاربران در سیستم بانکداری اینترنتی را امکان‌پذیر می‌سازد. از آنجا که رفتار کاربران مختلف همراه با ابهام و عدم قطعیت است این سیستم بر اساس نظریه فازی طراحی شده تا رفتار کاربران را شناسایی کرده و رفتارهای مشکوک با شدتهای مختلف را دسته‌بندی کند. مدل طراحی شده در سیستم بانکداری اینترنتی بانک ملت به عنوان یکی از بزرگترین بانکهای برخط کشور آزمایش شده و نتایج آن نشان دهنده موفقیت سیستم در شناسایی رفتارهای مشکوک، با درجه صحت 93% ، است . پرونده مقاله

یاددهندگان معمولاً به طور ذهنی دریافتهاند که تدریس خوب دارای چه ویژگیهایی است و با توجه به تجربه و حوزهی دانش خود درسپارهایی ایجاد کرده و در وب قرار میدهند. به همین دلیل بسیاری از یادگیرندگان نمیتوانند درسپارهای متناسب با نیازهای خود را پیدا کنند. به همین جهت بسیاری از پژوهشگران، تحقیقات خود را بر سامانههای یادگیری شخصی شده معطوف داشته‌اند که یکی از روش‌های شخصی‌سازی در محیط یادگیری الکترونیکی، تعیین توالی مناسب درس‌پارهاست. در این مقاله به بهینه‌سازی توالی درس‌پارها با استفاده از الگوریتم بهینه‌سازی گروه ذرّات پرداخته شده است. معیارهای استفاده شده برای انجام این کار سبک یادگیری و توانایی یادگیرندگان بوده که به ترتیب با استفاده از پرسشنامه‌ی فلدر و سولومان و نظریه‌ی پرسش و پاسخ شناسایی شده است. به منظور ارزیابی روش پیشنهادی، سامانه‌ی طراحی شده در محیط آموزشی وب‌بنیاد در حالت‌های مختلف مورد استفاده قرار گرفته و نتایج حاصل از «موفقیت تحصیلی»، «رضایت تحصیلی» و «زمان حضور در محیط» یادگیرندگان مورد بررسی و تحلیل قرار گرفته است که نتایج، کارامدی چشمگیر سامانه‌ی پیشنهادی را نشان می‌دهد. پرونده مقاله

یادگیری الکترونیکی به عنوان روشی نوین در امر آموزش و یادگیری در طی سالیان اخیر مورد استقبال فراوانی قرار گرفته است. اکثر سامانه های یادگیری الکترونیکی، صرف نظر از تفاوت های فردی یادگیرندگان محتوای آموزشی مشابهی را برای همة یادگیرندگان ارائه می دهند در حالی که در آموزش های مبتنی بر وب، علاوه بر افزایش فرصت یادگیری باید به ارتقای بازدهی یادگیری نیز توجه شود. سامانه های یادگیری تطبیقی برای ارائة محتوای تطبیق پذیر با هر یادگیرنده، نیازمند گروه بندی یادگیرندگان با علایق مشابه است و برای تحقق این هدف، می توان از سبک های یادگیری یادگیرندگان بهره گرفت. گروه-بندی خودکار یادگیرندگان در این محیط به کمک روش های خوشه بندی امکان پذیر است. به دلیل متفاوت بودن نتایج روش های خوشه بندی در تکرارهای مختلف، در این پژوهـش از روش خوشه بندی شورایی برای ترکیـب نـتایج خوشـه بندی پنـج روش FCM، K-means، KNN , SVM و medoids-K برای گروه بندی یادگیرندگان در محیط یادگیری الکترونیکی استفاده شده است. نتایج ارزیابی تجربی روش خوشه‌بندی پیشنهادی بر اساس سه شاخص «دیویس – بولدین»، « خلوص و تجمع» و « واریانس » نشان می‌دهد که این روش، کاهش هزینة محاسباتی و دقت و سرعت بیشتری نسبت به سایر روش‌های متداول در شناسایی گروه‌ها داشته است. پرونده مقاله

با 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. پرونده مقاله

Finding similar web contents have great efficiency in academic community and software systems. There are many methods and metrics in literature to measure the extent of text similarity among various documents and some its application especially in plagiarism detection systems. However, most of them do not take ambiguity inherent in word or text pair’s comparison as well as structural features into account. As a result, pervious methods did not have enough accuracy to deal vague information. So using structural features and considering ambiguity inherent word improve the identification of similar contents. In this paper, a new method has been proposed that taking lexical and structural features in text similarity measures into consideration. After preprocessing and removing stopwords, each text was divided into general words and domain-specific knowledge words. Then, the two lexical and structural fuzzy inference systems were designed to assess lexical and structural text similarity. The proposed method has been evaluated on Persian paper abstracts of International Conference on e-Learning and e-Teaching (ICELET) Corpus. The results shows that the proposed method can achieve a rate of 75% in terms of precision and can detect 81% of the similar cases. پرونده مقاله

در این مقاله سامانه ای شخصی شده بر اساس انگیزه یادگیرندگان و به کمک عناصر بازی پردازی برای محیط یادگیری الکترونیکی ‏پیاده سازی شده است. انگیزه یادگیرندگان در این سامانه توسط پرسشنامه ‏AMS‏ سنجیده شده و سپس با تناظر میان نوع انگیزه فرد ‏با سبک بازی وی، عناصر بازی پردازی متناسب برای هر یادگیرنده انتخاب و به سامانه آموزشیاری وی اضافه می شود. برای پیاده سازی معماری ‏طراحی شده، سامانه آموزشیاری هوشمند در دوره آمادگی مسابقه ریاضی با 117 شرکت کننده ‏طراحی شده است. برای سنجش عملکرد سامانه طراحی شده، عملکرد تحصیلی و میزان استفاده از سامانه در دو گروه شاهد و آزمون، ‏پیش و پس از شخصی سازی مقایسه گردیده است. نتایج به دست آمده نشان می دهد شخصی سازی بر اساس انگیزه فرد و با ساز و کار ‏بازی پردازی موجب می شود تا عملکرد تحصیلی یادگیرندگان نسبت به پیش از شخصی سازی و در مقایسه با گروه شاهد ‏به طور معناداری بهبود پیدا کند. ‏ پرونده مقاله

وجود داده‌هاي زايد در پاسخ حس‌گرهای بيني الكترونيكي اثر چشم‌گیری در دسته‌بندی بو دارد. برای بهبود صحت دسته‌بندی، می‌توان از سیستم دسته‌بندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگی‌ها (به‌جای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای انتخاب ویژگی" نامیده‌ می‌شود، فرض بر آن است که مجموعه اولیه ویژگی‌ها دارای داده‌هایی زايد بوده و می‌توان با انتخاب زیرمجموعه‌های ویژگی مختلف و سپس ترکیب دسته‌بندهای ایجادشده با این زیرمجموعه‌ها به نتایج دسته‌بندی بهتری رسید. در این مقاله پس از پیش‌پردازش سیگنال اولیه حس‌گرها و حذف نویز سیگنال با استفاده از تحلیل موجک، سیستم دسته‌بند چندگانه با زیرمجموعه‌های ویژگی‌ مختلف طراحی شده است: ویژگی‌های استخراج‌شده از سیگنال گذرای حس‌گر با روش خوشه‌بندی سلسله‌مراتبی طبقه‌بندی شده‌ و زیرمجموعه‌های مختلف با انتخاب یک ویژگی از هر خوشه ایجاد شده‌اند. این موضوع موجب بهبود تنوع دسته‌بندهای پایه و افزایش کارایی و سرعت دسته‌بندی می‌شود. روش پیشنهادی ابتدا در چند مجموعه داده تراز از مخزن داده UCI آزمون شده و پس از اثبات توانایی آن، در مجموعه داده بویایی حاصل از رایحه سه نوع شیرین‌بیان به کار برده شده است. نتایج حاصل نشان‌دهنده کارایی روش جدید در شناسایی الگوهای بویایی است. پرونده مقاله

در اکثر اوقات، تصمیم‌گیری مؤثر در موقعیت‌های راهبردی همچون مسایل رقابتی به نگاشت غیر خطی بین محرک و پاسخ نیاز دارد. شبکه‌های عصبی مصنوعی می‌توانند در مدل‌سازی و حل این مسایل رهیافت مناسبی باشند. بازی معمای زندانی از معروف‌ترین بازی‌های مطرح‌شده در نظریه بازی‌ها است كه به كمك آن بسياري از مسایل رقابتي تحليل مي‌شود و تصميم‌گيري را تسهيل مي‌كند. در این مقاله سعی بر آن است که بازی معمای زندانی تکراری به کمک شبکه عصبی مصنوعی مدل‌سازی و تحلیل شود و به همین دلیل شبکه عصبی پادانتشار گراسبرگ برای انجام این بازی طراحی شده است. نتایج، نشان‌دهنده توانمندی این روش در مدل‌سازی کامل بازی است. نتایج حاصل از به‌کارگیری این ایده با دو روش دیگر (راهبرد TFT و مدل‌سازی با شبکه پرسپترون) نشان از کارایی محرز روش جدید است. پرونده مقاله

کیفیت سامانه‌های یادگیری تطبیقی و مشارکتی به نحوه توصیف مناسب یادگیرندگان و نیز دقت و صحت تفکیک یادگیرندگان در گروه‌های همگن و غیر همگن وابسته است. در روش‌های ارائه‌شده برای گروه‌بندی یادگیرندگان در محیط یادگیری الکترونیکی، محققان اغلب به دنبال بهبود روش‌های پایه از طریق ترکیب آنها با روش‌های بهینه‌سازی هستند. این امر موجب پیچیده‌تر شدن روش‌های گروه‌بندی می‌شود و کیفیت نه چندان مناسب گروه‌های حاصل را به دنبال دارد. در این مقاله روشی مبتنی بر نظریه فازی برای انتخاب خوشه‌های مناسب در روش خوشه‌بندی پیوندی معرفی شده است. در این روش هر خوشه به صورت مجموعه‌ای فازی مدل‌سازی شده و خوشه‌های متناظر تعیین گردیده و بهترین آنها به عنوان خوشه مناسب انتخاب شده است. این روش موجب افزایش دقت روش خوشه‌بندی پیوندی می‌شود. نتایج ارزیابی تجربی روش پیشنهادی بر اساس دو شاخص "Davies-Bouldin" و "خلوص و تجمع" نشان می‌دهد این روش دقت بیشتری نسبت به سایر روش‌های خوشه‌بندی در شناسایی گروه‌ها داشته است. پرونده مقاله