پیشرفت فناوری در حوزه شبکه‌های حسگر بی‌سیم و امکان استفاده از پروتکل اینترنت در اشیای کوچک با منابع محدود (مانند حسگرها)، چشم‌انداز اینترنت را تغییر داده است. نحوه تعامل و روش‌های تبادل اطلاعات یکی از چالش‌های دنیای اینترنت اشیا است. استانداردهای LoWPAN6 و CoAP جهت استفاده از پروتکل‌های تحت وب در شبکه‌های حسگر پراتلاف و کم‌توان (LLN) ارائه‌ شده‌اند. پشته پروتکل LoWPAN/CoAP6 دسترسی به شبکه حسگر را از طریق پروتکل‌های وب امکان‌پذیر می‌کند. این امر، توسعه برنامه‌های کاربردی روی شبکه حسگر و دسترسی به آنها توسط اینترنت را تسهیل می‌نماید. هر کدام از لایه‌های پشته پروتکل LoWPAN/CoAP6، میزانی سربار بر پیام‌های تبادل‌شونده تحمیل می‌کنند و سربار داده ناشی از آن، در شبکه‌های چندگامی، مصرف انرژی را تشدید می‌کند. در این مقاله، روشی جهت کاهش سربار تحمیلی به بسته‌های کوچک و متوسط در شبکه‌های چندگامی مبتنی بر LoWPAN/CoAP6 با استفاده از زمان‌بندی و تجمیع بسته‌های CoAP روی گره‌های حسگر آمده است. جهت حصول اهداف تحقیق، تمهیداتی نظیر رده‌بندی درخواست‌ها/ پاسخ‌های CoAP از لحاظ اولویت ارسال در شبکه (مشخص‌سازی حداکثر تأخیر مجاز)، مدیریت زمان‌بندی و تجمیع پیام‌های دریافتی روی گره‌های حسگر (بر اساس حداکثر تأخیر مجاز هر کدام) و بازشدن پیام‌های تجمیع‌شده در مقصد انجام گرفته است. نتایج ارزیابی روش پیشنهادی، حاکی از کاهش مصرف انرژی و ترافیک شبکه برای کاربردهایی نظیر نظارت در شبکه‌های چندگامی مبتنی بر پشته پروتکل LoWPAN/CoAP6 است.

در بسیاری از کاربردهای شبکه‌های مش بی‌سیم به دلیل عدم دسترسی به منبع انرژی دایم و استفاده از باتری و تجهیزات برداشت‌کننده انرژی طراحی بر مبنای پایندگی انرژی بسیار حایز اهمیت است. تنظیم چرخه کاری و به خواب بردن گره‌های شبکه در بخشی از دوره کاری، روشی برای حفظ انرژی و تضمین پایندگی است. در این حالت برای تبادل داده بین گره‌های همسایه به پروتکل‌هایی برای هماهنگی خواب نیاز است. در برخی کاربردهای این شبکه‌ها مانند کاربرد نظارت تصویری نیاز است که داده از بخش‌های مختلف شبکه جمع‌آوری شود. توپولوژی درخت در این کاربردها گزینه مناسبی است. یک روش ساده برای هماهنگی خواب در توپولوژی درخت الگوریتم زمان‌بندی تقسیم زمان (TIME-SPLIT) است که در آن زمان هر گره به طور مساوی بین فرزندان تقسیم می‌شود. الگوریتم زمان‌بندی تقسیم زمان پیشنهادشده مسئله پایندگی انرژی و محدودیت انرژی گره‌ها را در نظر نمی‌گیرد. ما در این مقاله به منظور ایجاد پایندگی انرژی در شبکه‌های مش بی‌سیم مبتنی بر توپولوژی درخت در الگوریتم زمان‌بندی تقسیم زمان محدودیت چرخه کاری گره‌ها را اضافه کرده‌ایم. در شرایطی که وضعیت انرژی فرزندان متفاوت باشد تقسیم مساوی زمان به عدم کارایی شبکه می‌انجامد. به منظور بهبود کارایی و گذردهی شبکه دو الگوریتم زمان‌بندی بر مبنای الگوریتم تقسیم زمان که شرایط انرژی و ترافیک فرزندان را در نظر می‌گیرند ارائه کرده‌ایم. در الگوریتم پیشنهادی اول تقسیم زمان به نسبت چرخه کاری فرزندان هر گره انجام می‌گیرد. در الگوریتم دوم تقسیم زمان به صورت پویا و به نسبت ترافیک فرزندان است و همچنین پذیرش تماس بر مبنای انرژی مصرفی اتصالات و بر اساس طول اتصالات به طور دقیق‌تری انجام می‌شود. نتایج شبیه‌سازی که به وسیله شبیه‌ساز شبکه 3NS انجام شده نشان می‌دهد که در شرایط عدم توازن در انرژی و ساختار درخت، یعنی حالتی که فرزندان یک گره دارای انرژی یکسان یا زیردرخت تقریباً مشابه نیستند، روش‌های پیشنهادی به میزان قابل توجهی (بیش از حدود 60%) ترافیک عبوری را افزایش می‌دهند.

روش تطبیق الگو یکی از روش‌هایی است که برای تخمین بیشترین زمان اجرای حلقه‌ها ارائه شده است. در این روش در صورتی که حلقه با الگوی ارائه‌شده تطبیق داشت با استفاده از یک معادله، بیشترین تعداد تکرار حلقه محاسبه می‌گردد. در حقیقت برای محاسبه تعداد تکرار نیازی نیست که مقدار متغیرهای کنترلی حلقه برای هر تکرار محاسبه گردد. نقص روش تطبیق الگو وابستگی زیاد آن به الگو است. این وابستگی به ساختار و محل شرط تست‌کننده متغیر کنترلی حلقه و از سوی دیگر به محل، نحوه و تعدد تغییر متغیر کنترلی حلقه مرتبط است. برای کاهش وابستگی به الگو می‌توان جریان اطلاعات برای حلقه‌های یکنواخت چندمسیری در قالب دو دسته عبارت نمادین، نشان‌دهنده شرط تکرار و نحوه تغییر متغیرهای کنترلی حلقه را مدل‌سازی کرد. بر اساس این عبارات، تعداد مقادیر ممکن که در زمان اجرا می‌توان به متغیرهای کنترلی حلقه تخصیص داد محاسبه و به عنوان تخمینی از بیشترین تعداد تکرار ارائه می‌گردد. اما تخمین ارائه‌شده در این روش بیشتر از مقدار واقعی است و در اصطلاح دارای بیش‌تخمین خواهد بود. در این مقاله، متغیرهایی که مقدارشان در مسیرهای تکرار مختلف یکسان هستند و در هر چند مسیر این مقدار به عنوان یک تکرار محاسبه گردیده است، شناسایی و در محاسبه‌ها لحاظ می‌گردند. این کار باعث می‌گردد که مقدار بیش‌تخمین کاهش یابد. ارزیابی‌ها نشان داد که روش ارائه‌شده در این مقاله روشی مؤثر و کارا بوده و بیش‌تخمین کمتری دارد.

نظرکاوی امروزه به عنوان یکی از کاربردهای پراهمیت پردازش زبان طبیعی مطرح است که به دلیل بالابودن حجم و نرخ نظرات تولیدشده نیاز به روش‌های ويژه‌ای برای پردازش دارد. امروزه با توجه به ماهيت جريان داده‌ای نظرات کاربران در شبکه‌‌های اجتماعی و سایت‌های تجارت الکترونيکی، استفاده از الگوريتم‌های دسته‌بندی غير افزايشی باعث می‌گردد به مرور زمان کارايي مدل يادگرفته‌شده برای کاوش نظرات کاهش یافته و عملاً غير قابل استفاده شود. علاوه بر این به دليل نامحدودبودن تعداد نظرات، امکان برچسب‌گذاری تمام نظرات برای ایجاد نمونه‌های آموزشی جديد و به روزرسانی مدل یادگرفته‌شده وجود ندارد. از آنجا که ممکن است نظرات جديد دارای واژگان جديد بوده و یا توزيع دسته‌های قطبيت تغيير کند، رانش مفهوم نيز می‌بايست در نظرکاوی افزايشی پشتيبانی گردد. در اين مقاله یک روش جدید برای یادگيری قطبيت متون به صورت افزايشی ارائه می‌گردد که با استفاده از یادگيری فعال جریان‌ داده‌ای، متون ارزشمند برای به‌روز رسانی مدل دسته‌بندی را انتخاب می‌کند و پس از تعيين برچسب آنها توسط متخصص انسانی، از آنها برای بهبود مدل دسته‌بندی بهره می‌گيرد. روش پيشنهادی به صورت برخط و بدون نياز به ذخيره متون، با استفاده از تعداد محدودی متون برچسب‌خورده آموزش می‌بیند و قادر به تشخيص و پشتيبانی از رانش مفهوم می‌باشد. روش پيشنهادی با روش‌های شاخص افزايشی و غير افزايشی، با استفاده از مجموعه داده‌های معتبر و معيارهای ارزيابی استاندارد مقايسه و ارزيابی می‌شود.

پنهان‌شکنی دانش کشف حضور داده پنهان در یک رسانه پوششی است. هدف پنهان‌شکنی جلوگیری از رسیدن روش‌های پنهان‌نگاری به اهداف خود می‌باشد. یکی از معروف‌ترین روش‌های پنهان‌شکنی روش CDF است که در این پژوهش استفاده شده است. یکی از چالش‌های عمده در مسئله پنهان‌شکنی تصاویر تعداد زیاد ویژگی‌های استخراج‌شده برای این کار است. مجموعه‌های داده‌ای با ابعاد بالا از دو جهت باعث کاهش عملکرد پنهان‌شکنی می‌شود. از یک طرف با افزایش ابعاد داده‌‌ها، حجم محاسبات افزایش پیدا می‌کند و از طرف دیگر مدلی که بر اساس داده‌های با ابعاد بالا ساخته می‌شود دارای قابلیت تعمیم پایینی است و احتمال بیش‌برازش افزایش می‌یابد. در نتیجه، کاهش ابعاد مسئله می‌تواند هم پیچیدگی محاسباتی را کاهش داده و هم باعث بهبود عملکرد پنهان‌شکنی شود. در این مقاله تلاش شده با ترکیب مفهوم زیرگراف کامل بیشینه وزن‌دار و معیار مرکزیت یال و در نظر گرفتن مناسب‌بودن هر ویژگی، ویژگی‌های تأثیرگذار و دارای حداقل افزونگی به‌عنوان ویژگی‌های نهایی انتخاب ‌شوند. نتایج شبیه‌سازی بر روی مجموعه داده‌های SPAM و CC-PEV نشان داد روش پیشنهادی دارای عملکرد مناسبی است و به دقت حدود 96% در تشخیص جاسازی داده در تصاویر دست پیدا کرده و همچنین این روش در مقایسه با روش‌های شناخته‌شده قبلی دارای دقت بالاتری است.

طراحی مسیر داده با مساحت و توان مصرفی کم و سرعت بالا برای سیستم‌های محاسباتی امروزی اهمیت بالایی دارد. جمع‌کننده‌ها یکی از اجزای اساسی مسیر داده سیستم‌های محاسباتی هستند که از میان آنها، جمع‌کننده مبتنی بر انتخاب رقم نقلی با داشتن سرعت مناسب، سربار مساحتی نیز به سیستم محاسباتی تحمیل می‌کند. یک عامل مؤثر بر سرعت این نوع جمع‌کننده نحوه گروه‌بندی آن با توجه به تأخیر اجزای آن است. در این مقاله، ابتدا با بهره‌گیری از یک مالتی‌پلکسر سریع و کوچک، تأخیر و مساحت مصرفی انواع معماری‌های موجود برای این نوع جمع‌کننده کاهش داده می‌شود. سپس با توجه به تجزیه و تحلیل تأخیر این جمع‌کننده و وابستگی آن به نوع مالتی‌پلکسر، یک گروه‌بندی جدید برای بهینه‌سازی تأخیر ارائه می‌گردد. نتایج پیاده‌سازی و آزمایش‌ها نشان می‌دهد اعمال گروه‌بندی و تغییرات پیشنهادی در انواع معماری‌های موجود برای جمع‌کننده مبتنی بر انتخاب رقم نقلی، منجر به کاهش مناسب تأخیر عملیات جمع نسبت به بهترین گروه‌بندی موجود می‌شود. به عنوان نمونه، مقدار کاهش تأخیر جمع‌کننده 32بیتی در معماری‌های بررسی‌شده بیش از 33 درصد است. علاوه بر این، میانگین کاهش در معیار حاصل‌ضرب توان مصرفی در تأخیر برای جمع‌کننده‌های مختلف 32 و 64بیتی استفاده‌کننده از گروه‌بندی پیشنهادی نسبت به بهترین گروه‌بندی موجود، به ترتیب برابر با 45 و 35 درصد بوده است.

با معرفی وب ۲.۰، داده‌های ایستا که در وب ۱.۰ وجود داشتند، حالت ساخت‌یافته‌تری به خود گرفتند. ویکی‌ها، بلاگ‌ها، شبکه‌های اجتماعی و سیستم‌های بوکمارکینگ اجتماعی مثال‌هایی از آن هستند که کاربران در آنها محتوا تولید می‌کنند. یکی از مشکلات تولید محتوا توسط کاربر، عدم یکپارچگی محتوای تولیدشده می‌باشد که باعث تولید داده‌های ناهمگون شده و اجرای الگوریتم‌ها و تکنیک‌های کامپیوتری را دشوار می‌سازد. راه حل وب ۲.۰ برای کاهش اثر این مشکل، استفاده از هشتگ (تگ) برای مطالب منتشرشده توسط کاربر است که خود کاربر به مطالب منتشرشده خود، تگ می‌زند. این راهکار در میکروبلاگ‌هایی چون توئیتر کماکان رفع نشده است چرا که کاربران با محدودیت کاراکتری (۱۴۰ کاراکتر برای هر توئیت) مواجه هستند و ممکن است تعداد کاراکترهای محتوا باعث شود که برخی کاراکترهای هشتگ در پست نباشد. در این مقاله سعی شده تا با استفاده از روش تخصیص دیریکله نهفته و نمونه‌برداری Gibbs فروریخته، مشکل پیشنهاد هشتگ در محیط ناهمگون توئیتر رفع شود. پیشنهاد هشتگ بر روی 8396744 توئیت به زبان انگلیسی پیاده‌سازی و در آزمایش‌های مختلف بین ۱ تا ۵ مرتبط‌ترین هشتگ پیشنهاد شده است. نتایج در حالات مختلف دقت بالای ۲۰% و فراخوانی بالای ۴۵% را نشان می‌دهد که نشانگر افزایش دقت از ۳% به ۲۱% و افزایش فراخوانی از ۳۲% به ۴۶% در مقایسه با دقیق‌ترین روش بررسی‌شده پیشنهاد هشتگ توسط LDA بدون تغییر، توسط نویسندگان است.

معماری پیمانه‌ای یکپارچه تحولی قابل توجه در صنعت هوافضا به وجود آورده است. در این معماری به دلیل کاهش اندازه، وزن، توان مصرفی و هزینه، وظایف با درجه بحرانیت متفاوت بر روی یک سخت‌افزار تجمیع شده و از منابع به صورت مشترك استفاده می‌کنند. علاقه صنعت به این یکپارچه‌سازی، منجر به معرفی سیستم‌های بحرانی- مختلط شده است. یکی از نیازهای اساسی این سیستم‌ها، بی‌درنگی و اطمینان از اجراي به موقع وظایف بحرانی می‌باشد که البته تجمیع وظایف بحرانی و غیر بحرانی، زمان‌بندی اجراي وظايف را با مشکلاتی مواجه مي‌كند. همچنین به دلیل استفاده از باتری در این وسایل، کاهش انرژی مصرفی از دیگر نیازهای مهم می‌باشد. بنابراین در این مقاله به منظور دستیابی به نیازهای مطرح‌شده (زمان‌بندی بی‌درنگ و کاهش انرژی مصرفی)، یک روش زمان‌بندی ابتکاری آگاه به انرژی مصرفی در این سیستم‌‌ها معرفی می‌شود. این الگوریتم ضمن تضمین اجرای به موقع وظایف بحرانی، انرژی مصرفی سیستم را با تغییر پویای ولتاژ و فرکانس (DVFS) کاهش خواهد داد. نتایج به دست آمده از شبیه‌سازی‌ها نشان مي‌دهد انرژي مصرفي الگوریتم پیشنهادی در مقايسه با روش‌هاي مشابه تا 14% بهبود مي‌يابد.