-
دسترسی آزاد مقاله
1 - Node Classification in Social Network by Distributed Learning Automata
Ahmad Rahnama Zadeh محمدرضا میبدی Masoud Taheri KadkhodaThe aim of this article is improving the accuracy of node classification in social network using Distributed Learning Automata (DLA). In the proposed algorithm using a local similarity measure, new relations between nodes are created, then the supposed graph is partitio چکیده کاملThe aim of this article is improving the accuracy of node classification in social network using Distributed Learning Automata (DLA). In the proposed algorithm using a local similarity measure, new relations between nodes are created, then the supposed graph is partitioned according to the labeled nodes and a network of Distributed Learning Automata is corresponded on each partition. In each partition the maximal spanning tree is determined using DLA. Finally nodes are labeled according to the rewards of DLA. We have tested this algorithm on three real social network datasets, and results show that the expected accuracy of presented algorithm is achieved. پرونده مقاله -
دسترسی آزاد مقاله
2 - The Surfer Model with a Hybrid Approach to Ranking the Web Pages
Javad Paksima Homa KhajehUsers who seek results pertaining to their queries are at the first place. To meet users’ needs, thousands of webpages must be ranked. This requires an efficient algorithm to place the relevant webpages at first ranks. Regarding information retrieval, it is highly impor چکیده کاملUsers who seek results pertaining to their queries are at the first place. To meet users’ needs, thousands of webpages must be ranked. This requires an efficient algorithm to place the relevant webpages at first ranks. Regarding information retrieval, it is highly important to design a ranking algorithm to provide the results pertaining to user’s query due to the great deal of information on the World Wide Web. In this paper, a ranking method is proposed with a hybrid approach, which considers the content and connections of pages. The proposed model is a smart surfer that passes or hops from the current page to one of the externally linked pages with respect to their content. A probability, which is obtained using the learning automata along with content and links to pages, is used to select a webpage to hop. For a transition to another page, the content of pages linked to it are used. As the surfer moves about the pages, the PageRank score of a page is recursively calculated. Two standard datasets named TD2003 and TD2004 were used to evaluate and investigate the proposed method. They are the subsets of dataset LETOR3. The results indicated the superior performance of the proposed approach over other methods introduced in this area. پرونده مقاله -
دسترسی آزاد مقاله
3 - Cluster-based Coverage Scheme for Wireless Sensor Networks using Learning Automata
Ali Ghaffari Seyyed Keyvan MousaviNetwork coverage is one of the most important challenges in wireless sensor networks (WSNs). In a WSN, each sensor node has a sensing area coverage based on its sensing range. In most applications, sensor nodes are randomly deployed in the environment which causes the d چکیده کاملNetwork coverage is one of the most important challenges in wireless sensor networks (WSNs). In a WSN, each sensor node has a sensing area coverage based on its sensing range. In most applications, sensor nodes are randomly deployed in the environment which causes the density of nodes become high in some areas and low in some other. In this case, some areas are not covered by none of sensor nodes which these areas are called coverage holes. Also, creating areas with high density leads to redundant overlapping and as a result the network lifetime decreases. In this paper, a cluster-based scheme for the coverage problem of WSNs using learning automata is proposed. In the proposed scheme, each node creates the action and probability vectors of learning automata for itself and its neighbors, then determines the status of itself and all its neighbors and finally sends them to the cluster head (CH). Afterward, each CH starts to reward or penalize the vectors and sends the results to the sender for updating purposes. Thereafter, among the sent vectors, the CH node selects the best action vector and broadcasts it in the form of a message inside the cluster. Finally, each member changes its status in accordance with the vector included in the received message from the corresponding CH and the active sensor nodes perform environment monitoring operations. The simulation results show that the proposed scheme improves the network coverage and the energy consumption. پرونده مقاله -
دسترسی آزاد مقاله
4 - الگوريتمي مبتنی بر اتوماتاهای يادگير برای تنظيم پارامتر مراقبت در شبكه Fuzzy ARTMAP
مجید انجیدنی محمدرضا میبدیدر اين مقاله الگوريتمي مبتنی بر اتوماتاهای یادگیر برای تنظيم پارامتر مراقبت در شبكه Fuzzy ARTMAP پیشنهاد مي‌شود. الگوريتم پیشنهادی از طریق تنظیم پارامتر مراقبت در شبکه Fuzzy ARTMAP، شبكه‌اي کوچک با نرخ بالای تشخیص تولید می‌کند. ساختار شبکه تولید شده توسط این الگوریتم م چکیده کاملدر اين مقاله الگوريتمي مبتنی بر اتوماتاهای یادگیر برای تنظيم پارامتر مراقبت در شبكه Fuzzy ARTMAP پیشنهاد مي‌شود. الگوريتم پیشنهادی از طریق تنظیم پارامتر مراقبت در شبکه Fuzzy ARTMAP، شبكه‌اي کوچک با نرخ بالای تشخیص تولید می‌کند. ساختار شبکه تولید شده توسط این الگوریتم مستقل از مقدار اولیه برای پارامتر مراقبت می‌باشد. الگوریتم پیشنهادی بر روی مسائل، دايره در مربع، مارپيچهاي حلزوني و مسئله مربع در مربع آزمایش شده و نتایج مطلوبی بدست آمده است. پرونده مقاله -
دسترسی آزاد مقاله
5 - انتخاب زیرمجموعه بهینه از ویژگی‌های استخراج‌شده توسط عملگر بهینه‌شده LBP بر مبنای CLA - EC در سیستم بازشناسی چهره
اختر حضرتی بی‌شک کریم فائز حسین برقی جند سجاد قطعیما در اين مقاله روش کارامد جديدی را مبتنی بر توصيفگر الگوی باينری محلی برای بازشناسی چهره معرفی کرديم. چون محاسبات داخل الگوی باینری محلی بین مقادیر دو پیکسل انجام می‌شود، حتی تغییرات کوچک در الگوی باینری عملکرد آن را تحت تأثیر قرار می‌دهد. در این مقاله یک روش جدید بازش چکیده کاملما در اين مقاله روش کارامد جديدی را مبتنی بر توصيفگر الگوی باينری محلی برای بازشناسی چهره معرفی کرديم. چون محاسبات داخل الگوی باینری محلی بین مقادیر دو پیکسل انجام می‌شود، حتی تغییرات کوچک در الگوی باینری عملکرد آن را تحت تأثیر قرار می‌دهد. در این مقاله یک روش جدید بازشناسی چهره برای انتخاب الگوهای باینری میانگین محلی (LABP) بر مبنای آتاماتای یادگیر سلولی مبتنی بر محاسبات تکاملی ارائه شده است. در روش پیشنهادی، ابتدا الگوهای باینری یکنواخت محلی توسط LABP از تصاویر چهره استخراج می‌شود. در LABPجهت به دست آوردن نمایش ویژگی مقاوم‌تر، نقاط نمونه زیادی مورد استفاده قرار گرفته است، سپس بهترین زیرمجموعه از این الگوها بدون داشتن اطلاعات اولیه از آنها توسط روش CLA-ECپیدا شده و از آنها هیستوگرام گرفته می‌شود و در نهایت از ماشین بردار پشتیبان برای طبقه‌بندی استفاده می‌شود. نتیجه به دست آمده از شبیه‌سازی سیستم‌های بازشناسی چهره روی مجموعه داده FERET، برتری الگوریتم پیشنهادی را نسبت به الگوریتم‌های دیگر نشان داد. پرونده مقاله -
دسترسی آزاد مقاله
6 - یک چارچوب مبتنی بر آتاماتای یادگیر توزیع شده توسعه یافته برای حل مسأله یافتن زیرگراف بهینه تصادفی
محمدرضا ملاخلیلی میبدی محمدرضا میبدیدر این مقاله، یک ساختار جدید شبکه‌ای از آتاماتاهای یادگیر موسوم به آتاماتای یادگیر توزیع‌شده توسعه‌یافته معرفی شده و سپس الگوریتمی مبتنی بر این ساختار شبکه‌ای برای حل مسأله زیرگراف بهینه در گراف‌های تصادفی با یال‌های وزن‌دار از طریق نمونه‌گیری ارائه می‌شود. نشان داده شد چکیده کاملدر این مقاله، یک ساختار جدید شبکه‌ای از آتاماتاهای یادگیر موسوم به آتاماتای یادگیر توزیع‌شده توسعه‌یافته معرفی شده و سپس الگوریتمی مبتنی بر این ساختار شبکه‌ای برای حل مسأله زیرگراف بهینه در گراف‌های تصادفی با یال‌های وزن‌دار از طریق نمونه‌گیری ارائه می‌شود. نشان داده شده که ساختار شبکه‌ای جدید پیشنهادی قادر به حل مسایل بهینه‌سازی روی گراف‌های تصادفی از طریق نمونه‌گیری با تعداد نمونه کمتر نسبت به روش نمونه‌گیری استاندارد است. علاوه بر این، اثباتی برای همگرایی آن به جواب بهینه ارائه شده و نشان داده می‌شود که ساختار شبکه‌ای پیشنهادی همواره با احتمال 1 به جواب بهینه همگرا می‌گردد. پرونده مقاله -
دسترسی آزاد مقاله
7 - ارائه الگوریتم یادگیری انتقالی برای بهبود سرعت و صحت همگرایی در اتوماتای یادگیر سلولی
سید امیرهادی مینوفام اعظم باستان فرد محمدرضا کیوان‌پور: اتوماتای یادگیر سلولی، یک مدل هوشمند به صورت آمیزه‌ای از اتوماتای سلولی و اتوماتای یادگیر است. پایین‌بودن سرعت همگرایی در اتوماتای یادگیر سلولی یکی از چالش‌های اساسی به شمار می‌رود. در این مطالعه، الگوریتم گسترش‌یافته‌ای از اتوماتای یادگیر سلولی مبتنی بر یادگیری انتقا چکیده کامل: اتوماتای یادگیر سلولی، یک مدل هوشمند به صورت آمیزه‌ای از اتوماتای سلولی و اتوماتای یادگیر است. پایین‌بودن سرعت همگرایی در اتوماتای یادگیر سلولی یکی از چالش‌های اساسی به شمار می‌رود. در این مطالعه، الگوریتم گسترش‌یافته‌ای از اتوماتای یادگیر سلولی مبتنی بر یادگیری انتقالی به نام TL-CLA پیشنهاد می‌گردد که از یادگیری انتقالی به عنوان راهکاری برای کاهش محاسبات و کمینه‌سازی چرخه یادگیری بهره می‌‌گیرد. مدل گسترش‌یافته پیشنهادی بر اساس تابع شایستگی و بردار نگرش برای انتقال یادگیری طراحی شده است. در الگوریتم TL-CLA، ابتدا مقدار تابع شایستگی بر اساس محیط محلی و مقدار بردار نگرش بر مبنای محیط سراسری اتوماتا محاسبه می‌شود. زمانی که این دو معیار حد آستانه مقرر را کسب کنند، انتقال بردار احتمالات اقدام ها سبب انتقال یادگیری از اتوماتای یادگیر سلولی منبع به اتوماتای یادگیر سلولی مقصد می‌شود. نتایج آزمایش‌ها نشان می‌دهند که مدل پیشنهادی TL-CLA در محیط‌های عملیاتی استاندارد با دو اقدام و چند اقدام، به طور میانگین، به ترتیب به اندازه 7/2% و 2/2% از نظر صحت همگرایی افزایش یافته است. نرخ همگرایی نیز به طور میانگین، به ترتیب 8% و 2% بهبود داشته است. اتوماتای یادگیر سلولی TL-CLA پیشنهادی در انتقال دانش حاصل از یادگیری یک وظیفه برای وظیفه‌ای مشابه کاربرد دارد. پرونده مقاله -
دسترسی آزاد مقاله
8 - يک الگوريتم جديد مبتني بر آتاماتاي یادگير توزيع‌شده براي حل مسئله بهینه‌سازی خطی تصادفی روی گروه جایگشت‌ها
محمدرضا ملاخليلي ميبدي معصومه زجاجیدر این مقاله ابتدا نوعی از بهینه‌سازی جایگشت معرفی شده است. در این نوع بهینه‌سازی فرض گردیده که تابع هزینه، دارای یک تابع توزیع احتمال ناشناخته است. این فرض باعث می‌شود که پیچیدگی حل مسئله یافتن جایگشت بهینه که به دلیل بزرگی ذاتی فضای جواب‌ها پیچیده است، تشدید شود. یک ا چکیده کاملدر این مقاله ابتدا نوعی از بهینه‌سازی جایگشت معرفی شده است. در این نوع بهینه‌سازی فرض گردیده که تابع هزینه، دارای یک تابع توزیع احتمال ناشناخته است. این فرض باعث می‌شود که پیچیدگی حل مسئله یافتن جایگشت بهینه که به دلیل بزرگی ذاتی فضای جواب‌ها پیچیده است، تشدید شود. یک الگوریتم مبتنی بر آتاماتای یادگیر توزیع‌شده برای حل مسئله از طریق انجام توأمان جستجو در فضای جواب‌های جایگشت و نمونه‌گیری از مقادیر تصادفی ارائه می‌دهیم. ضمن بررسی ریاضی رفتار الگوریتم جدید پیشنهادی، نشان می‌دهیم که با انتخاب مقادیر مناسب پارامترهای الگوریتم یادگیر، این روش جدید می‌تواند جواب بهینه را با احتمالی به اندازه دلخواه نزدیک به ۱۰۰% و از طریق هدفمندکردن جستجو به کمک آتاماتای یادگیر توزیع‌شده پیدا کند. نتیجه اتخاذ این سیاست، کاهش تعداد نمونه‌گیری‌ها در روش جدید در مقایسه با روش‌های مبتنی بر نمونه‌گیری استاندارد است. در ادامه، مسئله یافتن درخت پوشای کمینه در گراف تصادفی به عنوان یک مسئله بهینه‌سازی جایگشت تصادفی بررسی گردیده و راه حل ارائه‌شده مبتنی بر آتاماتای یادگیر برای حل آن به کار گرفته شده است. پرونده مقاله -
دسترسی آزاد مقاله
9 - TPALA: Two Phase Adaptive Algorithm based on Learning Automata for job scheduling in cloud Environment
Abolfazl Esfandi Javad Akbari Torkestani Abbas Karimi Faraneh ZarafshanDue to the completely random and dynamic nature of the cloud environment, as well as the high volume of jobs, one of the significant challenges in this environment is proper online job scheduling. Most of the algorithms are presented based on heuristic and meta-heuristi چکیده کاملDue to the completely random and dynamic nature of the cloud environment, as well as the high volume of jobs, one of the significant challenges in this environment is proper online job scheduling. Most of the algorithms are presented based on heuristic and meta-heuristic approaches, which result in their inability to adapt to the dynamic nature of resources and cloud conditions. In this paper, we present a distributed online algorithm with the use of two different learning automata for each scheduler to schedule the jobs optimally. In this algorithm, the placed workload on every virtual machine is proportional to its computational capacity and changes with time based on the cloud and submitted job conditions. In proposed algorithm, two separate phases and two different LA are used to schedule jobs and allocate each job to the appropriate VM, so that a two phase adaptive algorithm based on LA is presented called TPALA. To demonstrate the effectiveness of our method, several scenarios have been simulated by CloudSim, in which several main metrics such as makespan, success rate, average waiting time, and degree of imbalance will be checked plus their comparison with other existing algorithms. The results show that TPALA performs at least 4.5% better than the closest measured algorithm. پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396