-
دسترسی آزاد مقاله
1 - الگوریتم جدید انتخاب مُد داخل فریمی سریع در استاندارد کدگذاری ویدیویی H.264/AVC
مهناز نژادعلی مهدی جعفری مجید محمدیبا افزایش روزافزون ارتباطات ویدیویی در دستگاههای قابلحمل و کاربردی، طراحی کدکنندهها با میزان پیچیدگی کم و عملکرد بالا موردنیاز است. استاندارد H.264/AVC کارایی فشردهسازی بالاتري را نسبت به استانداردهاي قبلي ارائه مي دهد. اما این استاندارد با بکارگیری چندین تکنیک ک چکیده کاملبا افزایش روزافزون ارتباطات ویدیویی در دستگاههای قابلحمل و کاربردی، طراحی کدکنندهها با میزان پیچیدگی کم و عملکرد بالا موردنیاز است. استاندارد H.264/AVC کارایی فشردهسازی بالاتري را نسبت به استانداردهاي قبلي ارائه مي دهد. اما این استاندارد با بکارگیری چندین تکنیک کدگذاری قدرتمند، پیچیدگی کدگذار را بطور قابل ملاحظه ای افزایش می دهد. این مقاله الگوریتم جدیدی برای کاهش پیچیدگی کدگذار H.264/AVC ارائه می دهد. روش پیشنهادی از ماسک های جهت دار ساده، مُد بلوک های همسایه و تشخیص مُد تخمین داخلی 4×4 و/يا16×16 با تعيين پارامترهاي كوانتيزه به منظور انتخاب سریع مُد در پیشبینی به روش داخل فریمی استفاده می کند. نتایج شبیهسازی نشان میدهد که روش پیشنهادی زمان کدگذاری را ماکزیمم 29% درصد کاهش میدهد در حالی که تاثیر ناچیزی در کیفیت تصویر و میزان PSNR دارد. پرونده مقاله -
دسترسی آزاد مقاله
2 - ترکیب دوگانه سیستم استنتاج فازی با الگوریتم بهینهسازی ازدحام ذرات در پیشبینی قیمت سهام بورس اوراق بهادار تهران و مقایسه آن با مدل یادگیری عمیق
مجید عبدالرزاق نژاد مهدی خردپیشبینی 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 کاملپیشبینی 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 -
دسترسی آزاد مقاله
3 - مكاشفههاي پيشگويانه (Apocalyptic) هشت كتاب سهراب سپهري
مصطفی گرجیيكي از انواع ادبي در حوزه متون ديني، به ويژه كتب مقدس، ادبيات آپوكاليپتيك است. آپوكاليپس به نوعي مكاشفه پيشگويانه اطلاق ميشود كه مكاشف با توجه به فرهنگ غالب جامعه و باورهاي خويش، حوادث آينده و گذشته را با ابزارهاي مختلف، رؤيت و در قالب هنر و ادب و با زبان رمزي و سم چکیده کامليكي از انواع ادبي در حوزه متون ديني، به ويژه كتب مقدس، ادبيات آپوكاليپتيك است. آپوكاليپس به نوعي مكاشفه پيشگويانه اطلاق ميشود كه مكاشف با توجه به فرهنگ غالب جامعه و باورهاي خويش، حوادث آينده و گذشته را با ابزارهاي مختلف، رؤيت و در قالب هنر و ادب و با زبان رمزي و سمبليك بيان ميكند. نمونه بارز اين نوع در كتاب مقدس، «مكاشفه يوحنا» و در ادبيات جهاني مكاشفههاي نوسترآداموس و در ادبيات فارسي برخي از اشعار شاه نعمتالله ولي است. اين مسئله در هر دوره از تاريخ هنر و ادب، به ويژه در ادبيات معاصر فارسي نيز جريان داشته است. در اين مقاله ضمن نقد و تحليل اين نوع ادبي در گذشته و عوامل پيدايش آن، هشت كتاب سپهري، از اين ديدگاه بررسي و بارزترين تجليات مكاشفههاي پيشگويانه در چند زمينه نظير رؤيا، تفأل و تطير و... بررسي و تحليل ميشود. نكته مهم اين است كه سهراب در هشت كتاب علاوه بر معني نخستين مكاشفه به معني ثانويه آن يعني آپوكاليپس نيز نظر دارد و بيش از آنكه به خود پيشگويي و حوادث مربوط به آخرالزمان بپردازد، بيشتر به ابزارهاي تجلي آن عنايت دارد. پرونده مقاله -
دسترسی آزاد مقاله
4 - Prediction of Deadlocks in Concurrent Programs Using Neural Network
Elmira Hasanzad سیدمحمدرضا بابامیرThe dependability of concurrent programs is usually limited by concurrency errors like deadlocks and data races in allocation of resources. Deadlocks are difficult to find during the program testing because they happen under very specific thread or process scheduling an چکیده کاملThe dependability of concurrent programs is usually limited by concurrency errors like deadlocks and data races in allocation of resources. Deadlocks are difficult to find during the program testing because they happen under very specific thread or process scheduling and environmental conditions. In this study, we extended our previous approach for online potential deadlock detection in resources allocated by multithread programs. Our approach is based on reasoning about deadlock possibility using the prediction of future behavior of threads. Due to the nondeterministic nature, future behavior of multithread programs, in most of cases, cannot be easily specified. Before the prediction, the behavior of threads should be translated into a predictable format. Time series is our choice to this conversion because many Statistical and Artificial Intelligence techniques can be developed to predict the future members of the time series. Among all the prediction techniques, artificial neural networks showed applicable performance and flexibility in predicting complex behavioral patterns which are the most usual cases in real world applications. Our model focuses on the multithread programs which use locks to allocate resources. The proposed model was used to deadlock prediction in resources allocated by multithread Java programs and the results were evaluated. پرونده مقاله -
دسترسی آزاد مقاله
5 - Representing a Content-based link Prediction Algorithm in Scientific Social Networks
Hosna Solaimannezhad omid fatemiPredicting collaboration between two authors, using their research interests, is one of the important issues that could improve the group researches. One type of social networks is the co-authorship network that is one of the most widely used data sets for studying. A چکیده کاملPredicting collaboration between two authors, using their research interests, is one of the important issues that could improve the group researches. One type of social networks is the co-authorship network that is one of the most widely used data sets for studying. As a part of recent improvements of research, far much attention is devoted to the computational analysis of these social networks. The dynamics of these networks makes them challenging to study. Link prediction is one of the main problems in social networks analysis. If we represent a social network with a graph, link prediction means predicting edges that will be created between nodes in the future. The output of link prediction algorithms is using in the various areas such as recommender systems. Also, collaboration prediction between two authors using their research interests is one of the issues that improve group researches. There are few studies on link prediction that use content published by nodes for predicting collaboration between them. In this study, a new link prediction algorithm is developed based on the people interests. By extracting fields that authors have worked on them via analyzing papers published by them, this algorithm predicts their communication in future. The results of tests on SID dataset as coauthor dataset show that developed algorithm outperforms all the structure-based link prediction algorithms. Finally, the reasons of algorithm’s efficiency are analyzed and presented پرونده مقاله -
دسترسی آزاد مقاله
6 - Using Discrete Hidden Markov Model for Modelling and Forecasting the Tourism Demand in Isfahan
Khatereh Ghasvarian Jahromi Vida Ghasvarian JahromiTourism has been increasingly gaining acceptance as a driving force to enhance the economic growth because it brings the per capita income, employment and foreign currency earnings. Since tourism affects other industries, in many countries, tourism is considered in the چکیده کاملTourism has been increasingly gaining acceptance as a driving force to enhance the economic growth because it brings the per capita income, employment and foreign currency earnings. Since tourism affects other industries, in many countries, tourism is considered in the economic outlook. The perishable nature of most sections dependent on the tourism has turned the prediction of tourism demand an important issue for future success. The present study, for the first time, uses the Discrete Hidden Markov Model (DHMM) to predict the tourism demand. DHMM is the discrete form of the well-known HMM approach with the capability of parametric modeling the random processes. MATLAB Software is applied to simulate and implement the proposed method. The statistic reports of Iranian and foreign tourists visiting Isfahan gained by Iran Cultural Heritage, Handicrafts, and Tourism Organization (ICHHTO)-Isfahan Tourism used for simulation of the model. To evaluate the proposed method, the prediction results are compared to the results from Artificial Neural Network, Grey model and Persistence method on the same data. Three errors indexes, MAPE (%), RMSE, and MAE, are also applied to have a better comparison between them. The results reveal that compared to three other methods, DHMM performs better in predicting tourism demand for the next year, both for Iranian and foreign tourists. پرونده مقاله -
دسترسی آزاد مقاله
7 - Overcoming the Link Prediction Limitation in Sparse Networks using Community Detection
Mohammad Pouya Salvati Jamshid Bagherzadeh Mohasefi Sadegh SulaimanyLink prediction seeks to detect missing links and the ones that may be established in the future given the network structure or node features. Numerous methods have been presented for improving the basic unsupervised neighbourhood-based methods of link prediction. A maj چکیده کاملLink prediction seeks to detect missing links and the ones that may be established in the future given the network structure or node features. Numerous methods have been presented for improving the basic unsupervised neighbourhood-based methods of link prediction. A major issue confronted by all these methods, is that many of the available networks are sparse. This results in high volume of computation, longer processing times, more memory requirements, and more poor results. This research has presented a new, distinct method for link prediction based on community detection in large-scale sparse networks. Here, the communities over the network are first identified, and the link prediction operations are then performed within each obtained community using neighbourhood-based methods. Next, a new method for link prediction has been carried out between the clusters with a specified manner for maximal utilization of the network capacity. Utilized community detection algorithms are Best partition, Link community, Info map and Girvan-Newman, and the datasets used in experiments are Email, HEP, REL, Wikivote, Word and PPI. For evaluation of the proposed method, three measures have been used: precision, computation time and AUC. The results obtained over different datasets demonstrate that extra calculations have been prevented, and precision has been increased. In this method, runtime has also been reduced considerably. Moreover, in many cases Best partition community detection method has good results compared to other community detection algorithms. پرونده مقاله -
دسترسی آزاد مقاله
8 - Nonlinear Regression Model Based on Fractional Bee Colony Algorithm for Loan Time Series
Farid Ahmadi Mohammad Pourmahmood Aghababa Hashem KalbkhaniHigh levels of nonperforming loans provide negative impacts on the growth rate of gross domestic product. Therefore, predicting the occurrence of nonperforming loans is a vital issue for the financial sector and governments. In this paper, an intelligent nonlinear model چکیده کاملHigh levels of nonperforming loans provide negative impacts on the growth rate of gross domestic product. Therefore, predicting the occurrence of nonperforming loans is a vital issue for the financial sector and governments. In this paper, an intelligent nonlinear model is proposed for describing the behavior of nonperforming loans. In order to find the optimal parameters of the model, a new fractional bee colony algorithm (BCA) based on fractional calculus techniques is proposed. The inputs of the nonlinear model are the loan type, approved amount, refund amount, and economic realm. The output of the regression model is that whether the current information is for a nonperforming loan or not. Consequently, the model is modified to detect the status of a loan. So, the modified model predicts the occurrence of a nonperforming loan and determines the loan status, i.e., current, overdue, and nonperforming. The proposed procedure is applied to data gathered from an economic institution in Iran. The findings of this study are helpful for the managers of banks, and financial sectors to forecast the future of the loans and, therefore, manage the budget for the upcoming loan requests. پرونده مقاله -
دسترسی آزاد مقاله
9 - Deep Learning Approach for Cardiac MRI Images
Afshin Sandooghdar Farzin YaghmaeeDeep Learning (DL) is the most widely used image-analysis process, especially in medical image processing. Though DL has entered image processing to solve Machine Learning (ML) problems, identifying the most suitable model based on evaluation of the epochs is still an o چکیده کاملDeep Learning (DL) is the most widely used image-analysis process, especially in medical image processing. Though DL has entered image processing to solve Machine Learning (ML) problems, identifying the most suitable model based on evaluation of the epochs is still an open question for scholars in the field. There are so many types of function approximators like Decision Tree, Gaussian Processes and Deep Learning, used in multi-layered Neural Networks (NNs), which should be evaluated to determine their effectiveness. Therefore, this study aimed to assess an approach based on DL techniques for modern medical imaging methods according to Magnetic Resonance Imaging (MRI) segmentation. To do so, an experiment with a random sampling approach was conducted. One hundred patient cases were used in this study for training, validation, and testing. The method used in this study was based on full automatic processing of segmentation and disease classification based on MRI images. U-Net structure was used for the segmentation process, with the use of cardiac Right Ventricular Cavity (RVC), Left Ventricular Cavity (LVC), Left Ventricular Myocardium (LVM), and information extracted from the segmentation step. With train and using random forest classifier, and Multilayer Perceptron (MLP), the task of predicting the pathologic target class was conducted. Segmentation extracted information was in the form of comprehensive features handcrafted to reflect demonstrative clinical strategies. Our study suggests 92% test accuracy for cardiac MRI image segmentation and classification. As for the MLP ensemble, and for the random forest, test accuracy was equal to 91% and 90%, respectively. This study has implications for scholars in the field of medical image processing. پرونده مقاله -
دسترسی آزاد مقاله
10 - بررسی فسخ قرارداد در حقوق ایران با مطالعه تطبیقی با اصول قراردادهای تجاری بینالمللی
معصومه قدیریان مظفر باشکوه علیرضا لطفی دودرانروند صعودی بینالمللی شدن قراردادها علیالخصوص قراردادهای تجاری بینالمللی نیاز به تصویب قوانین در هماهنگ با دیگر نظامهای حقوقی شناخته شده میباشد.بدین بیان که برای جلوگیری از مشکلات ناشی از متفاوت بودن شیوهها و روشها در تنظیم مقررات تجاری بینالمللی، هماهنگسازی مقر چکیده کاملروند صعودی بینالمللی شدن قراردادها علیالخصوص قراردادهای تجاری بینالمللی نیاز به تصویب قوانین در هماهنگ با دیگر نظامهای حقوقی شناخته شده میباشد.بدین بیان که برای جلوگیری از مشکلات ناشی از متفاوت بودن شیوهها و روشها در تنظیم مقررات تجاری بینالمللی، هماهنگسازی مقررات داخلی با تصویب قوانین و دیگر راهکارها اکری ضروری و مسلم میباشد. مشکلات و مسائل مربوط به ضمانت اجراهای تعهدات قراردادی از سلسله مطالب ماهوی هستند و مهم ترین بخش هم در قراردادها ضمانت اجرا میباشد که در اصول یونیدروا تشریح گردیده ضمانت اجراهایی که در اکثر نظامهای حقوقی در صورت نقض تعهدات قراردادی میتوان به آنها متوسل شد از سه مقوله خارج نیستند. بدوا زیان دیده میتواند اجرای عین تعهدات قراردادی را از متعهد مطالبه نماید. دوم متعهدله میتواند جبران جایگزین را از متعهد درخواست کند که معمولاً از طریق پرداخت پول صورت میپذیرد و در نهایت میتواند قرارداد را فسخ نماید که این مقاله به دنبال بررسی فسخ قرارداد در حقوق ایران بامطالعه تطبیقی با اصول قراردادهای تجاری بینالمللی برآمده که مطابق مقاله صورت پذیرفته، علیرغم وجود شباهتهای زیاد بین این دو، تفاوتهایی نیز مشاهده می گردد که چندانمهم نیستند و میتوان با استفادهاز نهادهایدیگر در حقوقایران ان تفاوتها را تعدیل نمود. پرونده مقاله -
دسترسی آزاد مقاله
11 - فشرده سازی گفتار با نرخ بيت متغير براساس مدل تخمين خطی و سيکلهای آوايي و غيرآوايي
خشایار یغماییفشرده سازي سيگنال با نرخ بيت متغير در کاربردهای مخابراتی که در آنها زمان تأخير پردازش دارای محدوديت جدی نبوده و يا ميزان آسيب پذيری پارامترهای ارسالی در کانال مخابراتی کم ميباشد، استفاده فراوان يافته است. روشهای به کارگرفته شده در اين خصوص عموماً بر استفاده بهينه از اف چکیده کاملفشرده سازي سيگنال با نرخ بيت متغير در کاربردهای مخابراتی که در آنها زمان تأخير پردازش دارای محدوديت جدی نبوده و يا ميزان آسيب پذيری پارامترهای ارسالی در کانال مخابراتی کم ميباشد، استفاده فراوان يافته است. روشهای به کارگرفته شده در اين خصوص عموماً بر استفاده بهينه از افزونگیهای موجود در سيگنال متکی بوده و تمايز آنها در نرخ بيت نهايی، کيفيت سيگنال باز سازی شده و نياز محاسباتی روش ميباشد. اين مقاله روشی را برای فشرده سازی سيگنال گفتار با استفاده از مدل شناخته شده تخمين خطی ارائه ميدهد و با استفاده از مفهوم جديد ارائه شده در طبقه بندی سيکلها و استخراج بخشهای آوايی با طول متغير، روش ساده و موثری برای استفاده بهينه از تشابه سيگنال در کاهش نرخ ارسال اطلاعات ارائه میگردد. پرونده مقاله -
دسترسی آزاد مقاله
12 - طراحي کنترلکننده تطبيقي مدل مرجع براي سيستم حرکت از راه دور با فيدبک از خروجی پيشبينی شده
سیدکمال حسينی ثانی حمیدرضا مؤمنی فرخ جنابي شريفيبا توجه به کاربردهاي سيستمهاي حرکت از راه دور که طيف وسيعي از صنعت را به خود تخصيص داده است، در اين مقاله با پرداختن به آن و طراحي کنترلکننده مناسب، سعي در بهبود عملکرد اينگونه سيستمها با توجه به تأخیر زمان خط اينترنت شده است. به همين منظور با ارائه روشي جديد ابتدا چکیده کاملبا توجه به کاربردهاي سيستمهاي حرکت از راه دور که طيف وسيعي از صنعت را به خود تخصيص داده است، در اين مقاله با پرداختن به آن و طراحي کنترلکننده مناسب، سعي در بهبود عملکرد اينگونه سيستمها با توجه به تأخیر زمان خط اينترنت شده است. به همين منظور با ارائه روشي جديد ابتدا زمان تأخیر خط به طور مناسب شناسايی ميشود و از آن در پيش بيني خروجي فرآيند استفاده ميگردد. سپس از اين خروجي در طراحي کنترلکننده تطبيقي مدل مرجع در سمت فرمانده استفاده ميشود. در سمت فرمانبر نيز با طراحي کنترلکننده تطبيقي مستقل از ربات فرمانده، رديابي بسيار مناسبي براي سيگنالهاي موقعيت/سرعت ربات فرمانبر حاصل ميگردد. پرونده مقاله -
دسترسی آزاد مقاله
13 - کدگذاري گفتار با استفاده از پيشبيني غير خطي بر پايه بسط سريهاي ولترا
محمدحسن ساوجی قاسم علیپوردر سالهاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدلها و تکنيکهاي غير خطي پيشبيني در کدگذاري گفتار شده است. معمولاً شبکههاي عصبي براي اين هدف به کار ميروند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک ميشوند. پيش چکیده کاملدر سالهاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدلها و تکنيکهاي غير خطي پيشبيني در کدگذاري گفتار شده است. معمولاً شبکههاي عصبي براي اين هدف به کار ميروند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک ميشوند. پيشبيني غير خطي همچنين ميتواند بر پايه بسط سريهاي ولترا انجام گيرد که در آن براي سادگي معمولاً بسط به بخشهاي نخست و دوم محدود ميشود (پيشبيني درجه دو). مطالعات اوليه نشان دادند که در مقايسه با شبکههاي عصبي استفاده از فيلترهاي ولترا منجر به يک کاهش بسيار بيشتر در انرژي سيگنال تحريک ميشود (6 تا dB10). با اين وجود به دليل ناپايداري اين کاهش نميتواند منجر به کاهش نرخ بيت يا بهبود نسبت سيگنال به نويز شود. اين ناپايداري در دکدکننده به دليل وجود خطاي محاسباتي (براي نمونه ناشي از چنديکردن سيگنال تحريک) و حساسيت بالاي محاسبات به اين خطا ايجاد ميشود. در کار اصيلي که در اينجا ارائه ميشود ناپايداري در کدک در هر دو نوع پيشبيني پيشرو و پسرو به ترتيب با استفاده از الگوريتمهاي کمترين مربعها (LS) و کمترين ميانگين مربعهاي (LMS) سيگنال خطا بررسي ميشود. نشان داده ميشود که پايداري در عوض فداکردن بخش عمدهاي از صرفهجويي به دست آمده در انرژي سيگنال تحريک به دست ميآيد به گونهاي که سطح کاهش نهايي اغلب همانند شبکههاي عصبي ميباشد. در پيشبيني پيشرو پس از پايدارسازي و با وجود اندکي افزايش در پيچيدگي عملياتي در 20 تا 45٪ قالبها افزودن بخش درجه دو سودمند خواهد بود. بر اين اساس الگوريتمي توسعه مييابد که پيشبيني غير خطي تنها بر روي اين قالبها انجام گيرد. اين الگوريتم باعث بهبود تا dB4 در نسبت سيگنال به نويز نهايي ميشود. پيشبيني غير خطي پسرو متوالي با وجودي که از نقطه نظر پيادهسازي بسيار مناسبتر است در مقايسه با پيشبيني خطي کارايي بهتري را نتيجه نميدهد. پرونده مقاله -
دسترسی آزاد مقاله
14 - شکلدهی طیف نویز بازسازی در کدگذار ADPCM با پیشبینی پسرو
قاسم علیپور محمدحسن ساوجیتفکر اصلی در روش کدگذاری ADPCM حذف افزونگیهای موجود در سیگنال صحبت قبل از چندیکردن آن است. علیرغم سطح پایین خطای بازسازی، یک ویژگی مهم این کدگذار صافبودن شکل طیفی سیگنال خطای بازسازی است. در پژوهش جاری سعی میشود که با اعمال یک فیلتر تمامصفر به کدگذار ADPCM با پیش چکیده کاملتفکر اصلی در روش کدگذاری ADPCM حذف افزونگیهای موجود در سیگنال صحبت قبل از چندیکردن آن است. علیرغم سطح پایین خطای بازسازی، یک ویژگی مهم این کدگذار صافبودن شکل طیفی سیگنال خطای بازسازی است. در پژوهش جاری سعی میشود که با اعمال یک فیلتر تمامصفر به کدگذار ADPCM با پیشبینی پسرو، جهت شکلدهی طیفی نویز بازسازی، کیفیت ادراکی سیگنال بازسازیشده را افزایش داد. این عمل منجر به ایجاد یک تعامل مناسب میان سطح انرژی و شکل طیفی این سیگنال خطا میشود. نتایج حاصل بیانگر افزایش کیفیت ادراکی سیگنال بازسازیشده (بر اساس معیار PESQ) در عوض افزایش انرژی خطای بازسازی (بر اساس معیار SNR) است. پرونده مقاله -
دسترسی آزاد مقاله
15 - ارائه یک مکانیزم تصمیمگیری چندمعیاره برای برونسپاری ترافیک شبکه سلولی به شبکه مکمل
مجید فلاح خوشبخت صالح یوسفی بابک قالبساز جدّیبه دلیل گسترش روزافزون استفاده از گوشیهای هوشمند، ترافیک داده شبکه سلولی به صورت انفجاری افزایش یافته و باعث ازدحام در شبکههای سلولی شده است. برونسپاری داده به یک شبکه مکمل مانند WiFi به عنوان یک راه حل منطقی و مقرون به صرفه برای مقابله با ازدحام شبکه سلولی، مطرح شده چکیده کاملبه دلیل گسترش روزافزون استفاده از گوشیهای هوشمند، ترافیک داده شبکه سلولی به صورت انفجاری افزایش یافته و باعث ازدحام در شبکههای سلولی شده است. برونسپاری داده به یک شبکه مکمل مانند WiFi به عنوان یک راه حل منطقی و مقرون به صرفه برای مقابله با ازدحام شبکه سلولی، مطرح شده است. در این مقاله، یک مکانیزم برونسپاری داده با نام MCO ارائه شده که با استفاده از روش تصمیمگیری چندمعیاره TOPSIS و با بهرهگیری از یک مدل پیشبینی الگوی اتصال به شبکه WiFi، مناسبترین روش را از میان سه روش 1) تبادل داده از طریق خود شبکه سلولی، 2) برونسپاری با تحمل تأخیر (DTO) به شبکه مکمل و 3) برونسپاری با کمک گرههای واسط (PAO) انتخاب میکند. معیارهای استفادهشده در تصمیمگیری شامل درصد ترافیک قابل برونسپاری (از کل درخواست کاربر)، هزینه تبادل داده اپراتور سلولی و کاربر، پهنای باند تبادل داده کاربر (در دو شبکه سلولی و مکمل) و مصرف انرژی کاربر میباشند. به منظور ارزیابی روش MCO سناریوهای متعددی از نقطه نظر ویژگیهای کاربران و ترافیک آنها، نرخ پوشش شبکه مکمل و نسبت هزینه تبادل داده شبکه سلولی به شبکه مکمل، شبیهسازی شدهاند. نتایج حاصل از این شبیهسازیها نشان میدهد مکانیزم MCO قادر به در نظر گرفتن ترجیحات اپراتور سلولی و کاربرانش بوده و در نتیجه از لحاظ ایجاد تعادل بار در شبکه، کاهش هزینههای اپراتور سلولی و کاهش مصرف انرژی کاربران، نسبت به روشهای پیشنهادی پیشین عملکرد بهتری دارد. پرونده مقاله -
دسترسی آزاد مقاله
16 - روشی نوین برای پیشبینی ارتباط در شبکههای اجتماعی ناهمگن
سعیده رضاوندی شعاعی هادی زارعبا گسترش روزافزون شبکههای اجتماعی، علوم شبکه مورد توجه بسیاری از پژوهشگران در زمینههای مختلف قرار گرفته است. علاوه بر آن بسیاری از مسایل کاربردی مهندسی با استفاده از ابزار شبکههای اجتماعی مدلسازی شدهاند. پیشبینی تغییر و تحول در ساختار شبکههای اجتماعی یکی از مسایل چکیده کاملبا گسترش روزافزون شبکههای اجتماعی، علوم شبکه مورد توجه بسیاری از پژوهشگران در زمینههای مختلف قرار گرفته است. علاوه بر آن بسیاری از مسایل کاربردی مهندسی با استفاده از ابزار شبکههای اجتماعی مدلسازی شدهاند. پیشبینی تغییر و تحول در ساختار شبکههای اجتماعی یکی از مسایل اساسی در تحلیل شبکههای اجتماعی است که با عنوان مسأله پیشبینی ارتباط در علوم شبکه شناخته میشود. امروزه با گسترش استفاده از شبکههای اجتماعی، فعالیت افراد در قالب چندین شبکه با عنوان شبکههای اجتماعی ناهمگن رواج پیدا کرده است. پیشبینی ارتباط در شبکههای اجتماعی ناهمگن را میتوان بر اساس اطلاعات اضافی موجود نسبت به روشهای قبلی مورد بهبود قرار داد. در رویکرد پیشنهادی این مقاله، ابتدا یک معیار شباهت جدید برای کاربران در شبکههای ناهمگن بر اساس توسعه روشهای مطرح پیشین و با در نظر گرفتن ارتباط بین لایههای مختلف معرفی میشود، سپس با استفاده از رویکرد یادگیری باناظر و بهرهگیری از ویژگیهای تولیدشده بر مبنای معیار شباهت معرفیشده، الگوریتم پیشنهادی مورد تشریح قرار میگیرد. برای ارزیابی روش پیشنهادی از معیارهای استاندارد همانند دقت و صحت بهره گرفتهایم. مقایسه روش پیشنهادی با روشهای شناختهشده پیشین بر روی مجموعه دادههای مختلف نشان میدهد که روش پیشنهادی ما برای پیشبینی ارتباط از عملکرد بهتر و مطلوبتری برخوردار است به طوری که از نظر صحت تا ۲۰ درصد موجب بهبود عملکرد شده است. پرونده مقاله -
دسترسی آزاد مقاله
17 - بازشناسی فعالیت انسان با استفاده از مدل تعویضی ساختاری
محمدمهدی ارزانی محمود فتحی احمد اکبریبازشناسی خودکار فعالیتهای انسان، بخشی جداییناپذیر از هر برنامه تعاملی با انسان است. یکی از چالشهای عمده برای شناخت فعالیت، تنوع در نحوه فعالیت افراد است. همچنین بعضی از فعالیتها ساده، سریع و کوتاه هستند، در حالی که بسیاری دیگر پیچیده و دارای جزئیات هستند و در مدت زم چکیده کاملبازشناسی خودکار فعالیتهای انسان، بخشی جداییناپذیر از هر برنامه تعاملی با انسان است. یکی از چالشهای عمده برای شناخت فعالیت، تنوع در نحوه فعالیت افراد است. همچنین بعضی از فعالیتها ساده، سریع و کوتاه هستند، در حالی که بسیاری دیگر پیچیده و دارای جزئیات هستند و در مدت زمان طولانی انجام میشوند. در این مقاله، ما از دادههای اسکلت که از توالی تصاویر RGB-D استخراج میشوند استفاده میکنیم. ما مدل گرافی را پیشنهاد میدهیم که قادر است فعالیتهای پیچیده و ساده را بازشناسی کند. برای بهینهسازی پارامترهای مدل گرافی احتمالی از روش پیشبینی ساختاری توزیعشده استفاده میکنیم. این روش در سه مجموعه داده به طور گسترده مورد آزمایش (60- CAD، UT-Kinect و D3 Florence) قرار میگیرد که هر دو نوع فعالیت را پوشش میدهند. نتایج نشان میدهد که روش ما میتواند هر دو نوع فعالیت ساده و پیچیده را به طور مؤثر تشخیص دهد، در حالی که اکثر آثار قبلی تنها بر یکی از این دو نوع تمرکز میکنند. همچنین ما نشان میدهیم استفاده از روشهای خوشهبندی برای مقداردهی اولیه تأثیر زیادی در نتایج دارد. پرونده مقاله -
دسترسی آزاد مقاله
18 - ارائه يك الگوریتم تعادل بار مبتنی بر پیشبینی در شبکههای نرمافزارمحور
حسین محمدی سیداکبر مصطفویشبکههای نرمافزارمحور یک معماری جدید در شبکه است که لایه کنترل را از لایه داده جدا میسازد. در این رویکرد مسئولیت لایه کنترل به نرمافزار کنترلر واگذار میشود تا رفتار کل شبکه را به طور پویا تعیین نماید. نتیجه این امر، ایجاد یک شبکه بسیار منعطف با مدیریت متمرکز است که چکیده کاملشبکههای نرمافزارمحور یک معماری جدید در شبکه است که لایه کنترل را از لایه داده جدا میسازد. در این رویکرد مسئولیت لایه کنترل به نرمافزار کنترلر واگذار میشود تا رفتار کل شبکه را به طور پویا تعیین نماید. نتیجه این امر، ایجاد یک شبکه بسیار منعطف با مدیریت متمرکز است که در آن میتوان پارامترهای شبکه را به خوبی کنترل کرد. با توجه به افزایش روزافزون کاربران، ظهور فناوریهای جدید، رشد انفجاری ترافیک در شبکه، برآوردهسازی الزامات کیفیت خدمات و جلوگیری از کمباری یا پرباری منابع، تعادل بار در شبکههای نرمافزارمحور ضروری میباشد. عدم تعادل بار باعث بالارفتن هزینه، کاهش مقیاسپذیری، انعطافپذیری، بهرهوری و تأخیر در سرویسدهی شبکه میشود. تا کنون الگوریتمهای مختلفی برای بهبود عملکرد و تعادل بار در شبکه ارائه شدهاند که معیارهای متفاوتی مانند انرژی مصرفی و زمان پاسخ سرور را مد نظر قرار دادهاند، اما اغلب آنها از ورود سیستم به حالت عدم تعادل بار جلوگیری نمیکنند و خطرات ناشی از عدم تعادل بار را کاهش نمیدهند. در این مقاله، یک روش تعادل بار مبتنی بر پیشبینی برای جلوگیری از ورود سیستم به حالت عدم تعادل بار با بهرهگیری از الگوریتم ماشین یادگیری افراطی پیشنهاد میشود. نتایج ارزیابی روش پیشنهادی نشان میدهد که از نظر تأخیر پردازش کنترلکننده، میزان تعادل بار و زمان پاسخگویی به علت تعادل بار بهینه نسبت به روشهای CDAA و PSOAP عملکرد بهتری دارد. پرونده مقاله -
دسترسی آزاد مقاله
19 - Inferring Diffusion Network from Information Cascades using Transitive Influence
Mehdi Emadi Maseud Rahgozar Farhad OroumchianNowadays, online social networks have a great impact on people’s life and how they interact. News, sentiment, rumors, and fashion, like contagious diseases, are propagated through online social networks. When information is transmitted from one person to another in a so چکیده کاملNowadays, online social networks have a great impact on people’s life and how they interact. News, sentiment, rumors, and fashion, like contagious diseases, are propagated through online social networks. When information is transmitted from one person to another in a social network, a diffusion process occurs. Each node of a network that participates in the diffusion process leaves some effects on this process, such as its transmission time. In most cases, despite the visibility of such effects of diffusion process, the structure of the network is unknown. Knowing the structure of a social network is essential for many research studies such as: such as community detection, expert finding, influence maximization, information diffusion, sentiment propagation, immunization against rumors, etc. Hence, inferring diffusion network and studying the behavior of the inferred network are considered to be important issues in social network researches. In recent years, various methods have been proposed for inferring a diffusion network. A wide range of proposed models, named parametric models, assume that the pattern of the propagation process follows a particular distribution. What's happening in the real world is very complicated and cannot easily be modeled with parametric models. Also, the models provided for large volumes of data do not have the required performance due to their high execution time. However, in this article, a nonparametric model is proposed that infers the underlying diffusion network. In the proposed model, all potential edges between the network nodes are identified using a similarity-based link prediction method. Then, a fast algorithm for graph pruning is used to reduce the number of edges. The proposed algorithm uses the transitive influence principle in social networks. The time complexity order of the proposed method is O(n3). This method was evaluated for both synthesized and real datasets. Comparison of the proposed method with state-of-the-art on different network types and various models of information cascades show that the model performs better precision and decreases the execution time too. پرونده مقاله -
دسترسی آزاد مقاله
20 - مدلسازی هرزروی گل حفاری در سازند آسماری با استفاده از روش زمين آمار در محيط نرم افزار RMS در يکی از ميادين نفتی جنوب غربی ايران
کیومرث طاهری فرهاد محمد ترابمطالعه هرزروی در سازند آسماری از اهمیت ویژه ای برخوردار است زیرا حدود 25 ٪ تا 40٪ از هزينه هاي حفاري را هزينه سيال حفاري به خود اختصاص می دهد. با توجه به اینکه میدان مورد مطالعه با مشکل هرزروی های شدید در سازند آسماری مواجه است لذا هدف از انجام این مطالعه شناسایی مناطق چکیده کاملمطالعه هرزروی در سازند آسماری از اهمیت ویژه ای برخوردار است زیرا حدود 25 ٪ تا 40٪ از هزينه هاي حفاري را هزينه سيال حفاري به خود اختصاص می دهد. با توجه به اینکه میدان مورد مطالعه با مشکل هرزروی های شدید در سازند آسماری مواجه است لذا هدف از انجام این مطالعه شناسایی مناطق دارای هرزروی و نمایش توزیع هرزروی در مخزن آسماری می باشد. ابتدا با مدلسازی مخزن در نرم افزار RMS و بکارگیری الگوریتم میانگین متحرک اقدام به رسم نقشه های هرزروی در مخزن آسماری شد. بدین منظور داده های مربوط به 363 حلقه چاه در این میدان پس از آماده سازی بصورت رقومی در آمده و جهت آماده سازي داده ها براي تهيه نقشه ها و مدل های سه بعدی یازده زون مختلف در مخزن آسماری، مراحل مختلفي همچون حذف داده هاي پرت، نرمال سازی داده ها، رسم هیستوگرام و واریوگرافی داده ها و عملیات تخمین و مدلسازی انجام شده است. در اين مطالعه همچنین از روش زمین آماری تخمین کریجینگ برای مدلسازی سه بعدی هرزروی مخزن آسماری در میدان نفتی مورد مطالعه، استفاده شده است که خروجی مدلسازی های انجام شده در روش زمین آماری تخمین کریجینگ متمرکزتر و نتایج بهتری بدست داده است. سپس با تجزیه و تحلیل اطلاعات، نقشه مدل های دو بعدی و سه بعدی هرزروی گل حفاری در سازند آسماری ارائه شده است. با شبیه سازی و مدلسازی هرزروی و تطبیق آن با مدل های گسلی مخزن و نمودارهای شاخص تولید مشخص شد که عمده هرزروی های موجود ناشی از شکستگی های گسلی بوده و تنها در موارد اندکی بالا بودن وزن گل موجب هرزروی شده است. بکارگیری روش های عملیاتی مناسب مانند مکان یابی مناسب چاه های جدید با بهره گیری از نقشه های هرزروی ارائه شده و به کارگیری روش های حفاری فروتعادلی و استفاده از سیال حفاری با وزن مخصوص و ترکیب مناسب مانند سیالات حفاریNIF و MMH در نقاط با هرزروی شدید و یا ترکیبی از این روش ها جهت کنترل هرزروی در نقاط بحرانی مخزن پیشنهاد می گردد. پرونده مقاله -
دسترسی آزاد مقاله
21 - Implementation of Machine Learning Algorithms for Customer Churn Prediction
Manal Loukili Fayçal Messaoudi Raouya El YoubiChurn prediction is one of the most critical issues in the telecommunications industry. The possibilities of predicting churn have increased considerably due to the remarkable progress made in the field of machine learning and artificial intelligence. In this context, w چکیده کاملChurn prediction is one of the most critical issues in the telecommunications industry. The possibilities of predicting churn have increased considerably due to the remarkable progress made in the field of machine learning and artificial intelligence. In this context, we propose the following process which consists of six stages. The first phase consists of data pre-processing, followed by feature analysis. In the third phase, the selection of features. Then the data was divided into two parts: the training set and the test set. In the prediction process, the most popular predictive models were adopted, namely random forest, k-nearest neighbor, and support vector machine. In addition, we used cross-validation on the training set for hyperparameter tuning and to avoid model overfitting. Then, the results obtained on the test set were evaluated using the confusion matrix and the AUC curve. Finally, we found that the models used gave high accuracy values (over 79%). The highest AUC score, 84%, is achieved by the SVM and bagging classifiers as an ensemble method which surpasses them. پرونده مقاله -
دسترسی آزاد مقاله
22 - مدل¬سازی پیشبینی تقاضای گردشگری تفریحی داخلی شهر تهران
محمدرضا فرزین امیر افسر علیرضا دبیر ابتهال زندیيكي از مهم ترين رويدادها در صنعت گردشگري هر كشور، ميزان تقاضا براي يك محصول يا مقصد گردشگري است. اما باید توجه داشت پیشبینیها هرگز نمیتوانند به طور صددرصد با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیشبینی موجود خوا چکیده کامليكي از مهم ترين رويدادها در صنعت گردشگري هر كشور، ميزان تقاضا براي يك محصول يا مقصد گردشگري است. اما باید توجه داشت پیشبینیها هرگز نمیتوانند به طور صددرصد با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیشبینی موجود خواهد بود، ولی استفاده از روشهای علمی و نوین در امر پیشبینی، باعث خواهد شد نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سالهای اخیر با تغییر الگوی تعطیلات و شکل-گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهم ترین انواع گردشگری داخلی شهر تهران، بر اساس آمار مرکز ملی آمار و نظرات صاحب نظران این حوزه، گردشگری تفریحی است به همین منظور پژوهش حاضر سعی دارد مدل هايي براي پيش بيني تقاضای گردشگری تفریحی داخلی شهر تهران پيشنهاد كند. براي اين كار از اطلاعات ماهیانه بين سال هاي 1381 تا 1394 استفاده شده است. متغير مستقل اين تحقيق تعداد گردشگران تفریحی داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند، چارچوب مدل، تركيبي از رگرسیون ، شبکه عصبی فازی و الگوریتمSVR است که با ترکیب این روشها مي توان خطاي پيش بيني را اندازه گيري و روشها را با هم مقايسه كرد. نتايج اين پژوهش نشان ميدهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی (ANFIS) پیشنهادی میتواند پیشبینی بهتری نسبت به سایر روشها در خصوص پیشبینی گردشگری تفریحی داخلی داشته باشد. پرونده مقاله -
دسترسی آزاد مقاله
23 - پیشبینی جهت حرکت قیمت سهام با استفاده از شبکه توجه گراف جهتدار
علیرضا جعفری سامان هراتی زادهپیشبینی رفتار آینده بازار سهام به عنوان یک چالش حائز اهمیت در یادگیری ماشین توجه زیادی را به خود جلب کرده است و رویکردهای یادگیری عمیق، نتایج قابل قبولی را در این زمینه به دست آوردهاند. مطالعات پیشین، اهمیت درنظرگرفتن دادههای سهام مرتبط را در خلال عملکرد پیشبینی اث چکیده کاملپیشبینی رفتار آینده بازار سهام به عنوان یک چالش حائز اهمیت در یادگیری ماشین توجه زیادی را به خود جلب کرده است و رویکردهای یادگیری عمیق، نتایج قابل قبولی را در این زمینه به دست آوردهاند. مطالعات پیشین، اهمیت درنظرگرفتن دادههای سهام مرتبط را در خلال عملکرد پیشبینی اثبات کردهاند. با وجود این، مدلسازی روابط بین سهام به عنوان یک گراف جهتدار و ساخت بازنمایی گرههای این گراف به کمک مکانیزم توجه تا کنون مورد استفاده قرار نگرفته است. ما در این کار، چهارچوبی به نام DeepNet را معرفی میکنیم که یک شبکه جهتدار دودویی را از تأثیرات دادههای سهام در بهبود دقت پیشبینی یکدیگر ایجاد میکند و با استفاده از شبکه توجه گراف، اهمیت گرههای همسایه برای ساخت بازنماییها را در حین عملیات آموزش، کشف مینماید. ما مدل جدیدی از شبکه توجه گراف را برای استفاده در گرافهای جهتدار توسعه دادیم که قادر است اهمیت بردار ویژگی گرهها برای ساخت بازنمایی را به صورت یکطرفه در نظر بگیرد. نهایتاً ارزیابیهای ما بر روی دادههای بازار سهام تهران نشان میدهد که مدل معرفیشده از دقت و MCC بالاتری نسبت به مدلهای رقیب برخوردار است. پرونده مقاله -
دسترسی آزاد مقاله
24 - Long-Term Software Fault Prediction Model with Linear Regression and Data Transformation
Momotaz Begum Jahid Hasan Rony Md. Rashedul Islam Jia UddinThe validation performance is obligatory to ensure the software reliability by determining the characteristics of an implemented software system. To ensure the reliability of software, not only detecting and solving occurred faults but also predicting the future fault i چکیده کاملThe validation performance is obligatory to ensure the software reliability by determining the characteristics of an implemented software system. To ensure the reliability of software, not only detecting and solving occurred faults but also predicting the future fault is required. It is performed before any actual testing phase initiates. As a result, various works on software fault prediction have been done. In this paper presents, we present a software fault prediction model where different data transformation methods are applied with Poisson fault count data. For data pre-processing from Poisson data to Gaussian data, Box-Cox power transformation (Box-Cox_T), Yeo-Johnson power transformation (Yeo-Johnson_T), and Anscombe transformation (Anscombe_T) are used here. And then, to predict long-term software fault prediction, linear regression is applied. Linear regression shows the linear relationship between the dependent and independent variable correspondingly relative error and testing days. For synthesis analysis, three real software fault count datasets are used, where we compare the proposed approach with Naïve gauss, exponential smoothing time series forecasting model, and conventional method software reliability growth models (SRGMs) in terms of data transformation (With_T) and non-data transformation (Non_T). Our datasets contain days and cumulative software faults represented in (62, 133), (181, 225), and (114, 189) formats, respectively. Box-Cox power transformation with linear regression (L_Box-Cox_T) method, has outperformed all other methods with regard to average relative error from the short to long term. پرونده مقاله -
دسترسی آزاد مقاله
25 - Application of Machine Learning in the Telecommunications Industry: Partial Churn Prediction by using a Hybrid Feature Selection Approach
Fatemeh Mozaffari Iman Raeesi Vanani Payam Mahmoudian Babak SohrabiThe telecommunications industry is one of the most competitive industries in the world. Because of the high cost of customer acquisition and the adverse effects of customer churn on the company's performance, customer retention becomes an inseparable part of strategic d چکیده کاملThe telecommunications industry is one of the most competitive industries in the world. Because of the high cost of customer acquisition and the adverse effects of customer churn on the company's performance, customer retention becomes an inseparable part of strategic decision-making and one of the main objectives of customer relationship management. Although customer churn prediction models are widely studied in various domains, several challenges remain in designing and implementing an effective model. This paper addresses the customer churn prediction problem with a practical approach. The experimental analysis was conducted on the customers' data gathered from available sources at a telecom company in Iran. First, partial churn was defined in a new way that exploits the status of customers based on criteria that can be measured easily in the telecommunications industry. This definition is also based on data mining techniques that can find the degree of similarity between assorted customers with active ones or churners. Moreover, a hybrid feature selection approach was proposed in which various feature selection methods, along with the crowd's wisdom, were applied. It was found that the wisdom of the crowd can be used as a useful feature selection method. Finally, a predictive model was developed using advanced machine learning algorithms such as bagging, boosting, stacking, and deep learning. The partial customer churn was predicted with more than 88% accuracy by the Gradient Boosting Machine algorithm by using 5-fold cross-validation. Comparative results indicate that the proposed model performs efficiently compared to the ones applied in the previous studies. پرونده مقاله -
دسترسی آزاد مقاله
26 - الگوریتم هوشمند پیشبینی ناپایداری گذرای ناحیه گسترده زاویه روتور مبتنی بر تئوری درخت تصمیم 0. 5C و سیگنالهای سراسری
سهیل رنجبردر این مقاله، طرح حفاظتی هوشمند بهمنظور پیشبینی برخط ناپایداری گذرای ناحیه گسترده در سیستمهای قدرت بر اساس تئوری درخت تصمیم معرفی میشود. برای این منظور با بررسی نوسان توان شبکه و شرایط معادلات دینامیک ژنراتور سنکرون در دو حالت پایدار و شرایط خروج از همگامی، شاخصهای چکیده کاملدر این مقاله، طرح حفاظتی هوشمند بهمنظور پیشبینی برخط ناپایداری گذرای ناحیه گسترده در سیستمهای قدرت بر اساس تئوری درخت تصمیم معرفی میشود. برای این منظور با بررسی نوسان توان شبکه و شرایط معادلات دینامیک ژنراتور سنکرون در دو حالت پایدار و شرایط خروج از همگامی، شاخصهای برخط مبتنی بر واحدهای اندازهگیری فازوری معرفی و تحت شرایط متفاوت بهرهبرداری و توپولوژیکی شبکه در زمانهای وقوع خطا و برطرفشدن خطا بهمنظور عملکرد سریع طرح پیشنهادی اندازهگیری میشوند. در ادامه، شاخصهای پیشنهادی بهصورت جفتداده ورودی- خروجی برای آموزش درخت تصمیم در محیط برونخط مورد استفاده قرار میگیرند. نمونههای آموزشی شامل یک سری اندازهگیریها تحت خطاهای متفاوت شامل نوع و مکان خطا هستند. توانایی حفاظتی طرح پیشنهادی بر روی یک شبکه 39باسه با پتانسیل ناپایداری گذرای ناحیه گسترده ژنراتورهای سنکرون، پیادهسازی و عملکرد درخت تصمیم تحت سناریوهای از پیش آموزش دادهنشده صحتسنجی میشود. نتایج شبیهسازی نشاندهنده توانایی طرح پیشنهادی درخت تصمیم در زمینه پیشبینی صحیح خروج از همگامی ناحیه گسترده سیستم قدرت تحت طیف وسیعی از شرایط دینامبک شبکه است. پرونده مقاله -
دسترسی آزاد مقاله
27 - پیش بینی بار کاری ماشین های مجازی به منظور کاهش مصرف انرژی در مراکز داده ابری با استفاده از ترکیب مدل های یادگیری ژرف
زینب خداوردیان خداوردیان حسین صدر مژده نظری سلیماندارابی سید احمد عدالت پناهافزایش 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 کاملافزایش 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 -
دسترسی آزاد مقاله
28 - پیش بینی ریسک نقدینگی با استفاده از تحلیل تمایلات خبری
حامد میرشک امیر البدوی مهرداد کارگری محمد علی رستگار محمد طالبییکي از م شکلات ا سا س ي بانکهاي ایراني نبود فرآیند مدیریت ری سک با رویکردي آیندهنگر ا ست . از مهمترین این ری سک ها در بانک، ميتوان به ری سک نقدینگي ا شاره کرد ؛ بنابراین پيشبيني ری سک نقدینگي به مو ضوع ي مهم براي بانکها تبدیل شده ا س ت. روشهاي مرسوم اندازه گيري ریسک ن چکیده کاملیکي از م شکلات ا سا س ي بانکهاي ایراني نبود فرآیند مدیریت ری سک با رویکردي آیندهنگر ا ست . از مهمترین این ری سک ها در بانک، ميتوان به ری سک نقدینگي ا شاره کرد ؛ بنابراین پيشبيني ری سک نقدینگي به مو ضوع ي مهم براي بانکها تبدیل شده ا س ت. روشهاي مرسوم اندازه گيري ریسک نقدینگي پيچيده، زمانبر و پرهزینه هستند که پيشبيني آن را نيز غير قابل دسترس نموده اس ت. پيشبيني ریسک نقدینگي در زمان مناسب ميتواند از بروز مشکلات یا بحرانهاي جدي در بانک جلوگيري نماید. در این مطالعه سعي شده است تا راهحلي نوآورانه براي پيشبيني ریسک نقدینگي بانک و سناریوهاي پيشرو با استفاده از رویکرد تحليل تمایلات خبري ارائه شود . از رویکرد تحليل تمایل اخبار پيرامون یکي از بانکهاي ایراني در را ستاي شنا سایي متغيرهاي کيفي پ ویا و مؤثر در ریسککک نقدینگي بهره برده شده تا روشي سادهتر و با کارایي بالاتر براي پيشبيني روند ریسک نقدینگي ارائه نماید. روش پيشنهادي سناریوهاي عملي را براي تص ميمگيرندگان ریسک بانکي در دنياي واقعي فراهم ميکند. س کناریوهاي ریسک نقدینگي به د ست آمده در مقای سه با سنار یوهاي رخ داده در بانک طبق د ستورالعمل کم يته بازل و نظر کار شنا سان بانک ي ارزیابي مي شوند تا از صحت پ يشبينيها و همسو یي آن اطمينان حاصل شود. نتيجه ارزیابي سنار یوهاي موردمطالعه بهصورت دورهاي حاکي از دقت نسبتاً بالا است. معيار دقت 1 پيشبيني در سککناریوهاي محتمل اسککتاراش شده از کميته بازل، 95.5 % و در سککناریوهاي برگرفته از نظرات خبرگان، 75 % است پرونده مقاله -
دسترسی آزاد مقاله
29 - ارائه مدلی برای پیش بینی بقای بیماران مبتلا به ملانوم بر اساس الگوریتم های داده کاوی
فریناز صناعی سید عبدالله امین موسوی عباس طلوعی اشلقی علی رجب زاده قطریمقدمه: 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 کاملمقدمه: 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 -
دسترسی آزاد مقاله
30 - رابطه استرسِ ادراک شده و ولع مصرف با پیشبینی بازگشت افراد به مصرف موادِ محرک با واسطهگری خودکنترلی
رویا جلیلی جواد خلعتبری حسن احدی شهره قربان شیرودیهدف پژوهش حاضر بررسی این نکته بود که در افراد معتاد، با واسطهگری خودکنترلی، استرس ادراک شده و ولع مصرف با پیشبینی بازگشت افراد به مواد محرک چه رابطهای دارد. این پژوهش از نوع مطالعات توصیفی ـ همبستگی بود. جامعه آماری این پژوهش مشتمل بود بر تمامی افراد مصرفکننده مواد چکیده کاملهدف پژوهش حاضر بررسی این نکته بود که در افراد معتاد، با واسطهگری خودکنترلی، استرس ادراک شده و ولع مصرف با پیشبینی بازگشت افراد به مواد محرک چه رابطهای دارد. این پژوهش از نوع مطالعات توصیفی ـ همبستگی بود. جامعه آماری این پژوهش مشتمل بود بر تمامی افراد مصرفکننده مواد محرک که در مراکز نگهداری و مراقبتی شهر تهران در سال 1400 مستقر بودند. برای انتخاب نمونه به استناد فرمول مدلیابی ساختاری، 250 نفر بهصورت تصادفی خوشهای انتخاب شدند. جهت گردآوری اطلاعات از مقیاسهای استرس ادراک شده کوهن (PSS)، ولع مصرف مواد فرانکن ((DDQ، پیشبینی بازگشت افراد به مواد رایت (PRS)، و خودکنترلی تانجی استفاده شد. تحلیل دادههای پژوهش با استفاده از روش تحلیل مسیر نشان داد که رابطه مثبت و معناداری (01/0>P) بین استرس ادراک شده و پیشبینی بازگشت به مصرف مواد محرک با واسطهگری خودکنترلی، و بین ولع مصرف مواد با پیشبینی بازگشت به مصرف مواد محرک با واسطهگری خودکنترلی وجود دارد. همچنین رابطه منفی و معناداری (01/0>P) بین خودکنترلی و پیشبینی بازگشت به مصرف مواد محرک وجود دارد. بدین روی میتوان گفت که با افزایش استرس ادراک شده و ولع مصرف، بازگشت به مصرف مواد محرک افزایش و میزان خودکنترلی کاهش مییابد، و با کاهش خودکنترلی نیز بازگشت به مصرف مواد محرک افزایش مییابد. پرونده مقاله -
دسترسی آزاد مقاله
31 - مروری بر کاربردهای هوش مصنوعی در پیشبینی رخداد و تشخیص بیماریها در دامپزشکی: چالشها و تکنیکها
مهدی باشیزاده پرهام صوفیزاده مهدی ضمیری آیدا لامعی متین ستودهنژاد مهسا دانشمند ملیکا قدرتی اریکا عیسوی حسام الدین اکبرینتشخیص زودهنگام بیماریها، یکی از هدفهای اصلی دستگاههای بهداشتی و سلامت است. این تشخیص بهموقع میتواند از آسیبهای بالقوهی بیماریها بکاهد. اهمیت این مسأله در دامپزشکی بهسبب تلفیق آن با هدفهای اقتصادی نیز چندین برابر میشود. بنابراین وجود یک رویکرد پیشبینیکننده ب چکیده کاملتشخیص زودهنگام بیماریها، یکی از هدفهای اصلی دستگاههای بهداشتی و سلامت است. این تشخیص بهموقع میتواند از آسیبهای بالقوهی بیماریها بکاهد. اهمیت این مسأله در دامپزشکی بهسبب تلفیق آن با هدفهای اقتصادی نیز چندین برابر میشود. بنابراین وجود یک رویکرد پیشبینیکننده برای تشخیص زودهنگام بیماریها ضروری است. این رویکرد باید مبتنی بر شواهد بوده و از دقت بالایی برخوردار باشد. همچنین باید از نظر اقتصادی نیز صرفهی بالایی داشته باشد. هوش مصنوعی توانایی یک کامپیوتر یا ربات کنترلشده توسط کامپیوتر برای انجام کارهایی است که معمولاً توسط انسان انجام میشود و به هوش و تشخیص انسان نیاز دارد. ظهور تکنیکهای هوش مصنوعی و یادگیری ماشین در دنیای امروز، موجب بهبود عملکردهای موجود در سامانههای مراقبتی و بهداشتی شده است، بهطوری که با بهکارگیری این تکنولوژی، پیشرفت چشمگیری در رویههای پیشبینی رخداد و تشخیص بیماریها، مدیریت و بهداشت در سطح کلان و ... شده است. همچنین نوع بیماری قابل تشخیص، میتواند بسیار گسترده باشد و هرنوع بیماریای که دارای دادهی قابل پردازش با الگوریتمهای هوش مصنوعی باشد، میتواند توسط مدل آموزش دادهشده تشخیص داده شود، اما صحت تشخیص با توجه به شاخصهای بیماری و دادهی جمعآوریشده و مواردی مانند این متفاوت خواهد بود. در این مقاله به مهمترین کاربردهای هوش مصنوعی در دامپزشکی اشاره خواهد شد و بهطور کلی، این کاربردها در حوزههای گوناگونی مانند تشخیص بیماریهای شایع، تشخیص تفریقی، پیشبینی رخداد بیماریها، تکنیکهای تصویربرداری تشخیصی دامپزشکی، کلینیکال پاتولوژی دامپزشکی و ... مورد بررسی قرار خواهند گرفت. علاوه بر این به چالشهای موجود در این زمینه نیز اشاره خواهد شد. این مقاله مروری بر مطالعههای موجود در این زمینه است. پرونده مقاله