عملیات ضرب یکی از مهم‌ترین محاسبات مورد استفاده در انواع پردازش‌های سیگنال خصوصاً صوت و تصویر محسوب می‌شود. با این حال، ضرب‌کننده‌ها به عنوان مدارهای دیجیتالی به خاطر وجود عوامل محیطی گوناگون مانند انواع نویزها مستعد تولید خروجی‌های نادرست هستند. در این مقاله، روشی جدید برای طراحی ضرب‌کننده ممیز- شناور 32بیتی ارائه می‌شود که می‌تواند با توجه به شرایط محیطی که در آن استفاده می‌شود، در دو مد کاری عادی یا تحمل‌پذیر اشکال عمل کند. در مد تحمل‌پذیر اشکال، با کاهش دقت محاسبات و قبول مقدار ناچیزی خطای محاسباتی در خروجی، بخشی از مدار اولیه آزاد شده و برای فراهم‌کردن محاسبات افزونه به منظور تشخیص یا تصحیح خطاهای ناشی از اشکال‌ها استفاده می‌شود. بدین روش، دو معماری ضرب‌کننده با قابلیت تشخیص یا تصحیح خطا پیشنهاد می‌شوند که در مد کاری تحمل‌پذیر اشکال، دارای قابلیت ‌اطمینان مناسبی در برابر انواع اشکال‌های دائمی و گذرا هستند. نتایج پیاده‌سازی نشان می‌دهد که در مد تحمل‌پذیر اشکال به جای 23 بیت مانتیس اولیه، حفظ 13 بیت برای دست‌یافتن به ضرب‌کننده با قابلیت تشخیص خطا و حفظ 11 بیت برای دست‌یافتن به ضرب‌کننده با قابلیت تصحیح خطا، با سربار مساحت و توان قابل قبول که از 12% تا 26% خواهد بود و همچنین حفظ دقت مورد نیاز برای اکثر کاربردها، مناسب است.

این مقاله در حوزه ساختار لینکیج‌ها و حرکت آنها تدوین شده است. لینکیج مجموعه‌ای از پاره‌خط‌هایی است که از دو انتهایشان قابل اتصال به یکدیگر می‌باشند و کاربردهای فراوانی در مدل‌کردن بازوهای روبات دارند. تاکنون زبان خاص‌منظوره‌ای که تنها مختص لینکیج باشد، طراحی و یا گزارش نشده است. زبان‌های خاص‌منظوره نرم‌افزارهایی هستند که بالارفتن سطح تجرید، قابلیت درک بهتر، تسریع روند توسعه و نیاز به تلاش کمتر برای یادگیری دانش مربوطه از امتیازاتی است که فراهم می‌آورند. بنابراین مانند همه نرم‌افزارها مراحل تحلیل، طراحی، پیاده‌سازی، تست، نگهداری و پشتیبانی دارند. در این مقاله به طراحی یک زبان خاص‌منظوره برای بیان ساختار و حرکت لینکیج‌ها پرداخته می‌شود و سپس تحلیلی بر روی این زبان انجام خواهد شد. با استفاده از زبان خاص‌منظوره تعریف‌شده در این مقاله، محدودیتی در تعریف لینکیج‌های ساده از نظر تعداد وجود نخواهد داشت. همچنین با تعریف ماژول‌های حرکتی و ترکیب متوالی و موازی آنها حرکت نهایی لینکیج‌ها تولید می‌شود و با استفاده از امکانات زبان ارائه‌شده شرط‌های مورد نیاز برای شروع یا خاتمه هر یک از حرکت‌های نهایی تعریف می‌شود. به کارگیری این نوع نگرش در مدل‌سازی خاص‌منظوره، علاوه بر آن که موجب سهولت در تعریف ساختار لینکیج‌ها و تنوع در چگونگی تعریف اولیه آنها است، این امکان را فراهم می‌آورد که بتوان هماهنگی و همکاری چندین روبات برای انجام یک وظیفه واحد را توصیف و در مرحله بعد پیاده‌سازی نمود.

شبکه‏های چندسطحی که شامل ماکروسل و فمتوسل هستند، منجر به افزایش ظرفیت شبکه و بهبود کیفیت سرویس‏های ارائه‌شده به کاربران در شبکه‏های سلولار می‏شوند. تخصیص زیرکانال مشترک بین کاربران سطوح مختلف، باعث ایجاد تداخل بین سطحی بین کاربران می‏گردد که به دلیل اولویت بالاتر کاربران ماکروسل، حضور کاربران فمتوسل نباید مانع دست‏یابی این کاربران به حداقل کیفیت سرویس خود شوند. در این مقاله یک روش کنترل توان و تخصیص زیرکانال در حالت فروسو و در دو سطح ماکروسل و فمتوسل مبتنی بر OFDMA با هدف بیشینه‌کردن مجموع نرخ کاربران فمتوسل‏ها، به نحوی که حداقل کیفیت سرویس برای همه کاربران ماکروسل و کاربران حساس به تأخیر فمتوسل‏ها رعایت گردد ارائه می‏دهیم. در سطح ماکروسل دو مسئله متفاوت را به صورت جداگانه در نظر می‏گیریم. مسئله اول با هدف بیشینه‌نمودن مجموع آستانه تداخل بین سطحی قابل تحمل برای کاربران ماکروسل و مسئله دوم با هدف کمینه‌کردن مجموع توان ارسالی ماکروسل بیان می‏شود. مسئله در سطح فمتوسل، با هدف بیشینه‌نمودن مجموع نرخ داده کاربران فمتوسل‏ها بیان می‏گردد. برای حل مسئله اول در سطح ماکروسل از الگوریتم مجارستانی که یک روش بهینه انتساب است استفاده می‏نماییم. همچنین برای حل مسئله دوم از یک روش مکاشفه‏ای برای تخصیص زیرکانال و از روش دوگان لاگرانژ برای کنترل توان استفاده می‏گردد. برای حل مسئله در سطح فمتوسل نیز ابتدا با استفاده از یک روش مکاشفه‏‏ای، تخصیص زیرکانال صورت می‏گیرد و سپس با استفاده از روش دوگان لاگرانژ که یکی از روش‏های حل مسایل بهینه‏سازی محدب است، کنترل توان صورت می‏پذیرد. در انتها عملکرد این روش با تحلیل نتایج حاصل از شبیه‏سازی بررسی می‏گردد.

در این مقاله الگوریتم بهینه‌سازی جستجوی ابرکروی با استفاده از نظریه آشوب ارائه می‌شود که ضعف الگوریتم بهینه‌سازی جستجوی ابرکروی استاندارد، یعنی سرعت همگرایی و افزایش تعداد تکرار اجرای الگوریتم برای رسیدن به جواب بهینه را برطرف می¬نماید. در الگوریتم پیشنهادی، در گام ایجاد ذرات و گام جستجو، مقادیر حاصل از دو نگاشت چبیشف و لیبوویچ، جایگزین مقادیر تصادفی موجود در الگوریتم استاندارد می‌شود که این امر باعث بهبود نتایج حاصل از اجرای الگوریتم شده و انحراف معیار نتایج را کاهش می‌دهد. نتایج شبیه‌سازی بر روی توابع محک استاندارد نشان می‌دهد که الگوریتم پیشنهادی ضمن برخورداری از همگرایی سریع‌تر، دقت بیشتری نیز در یافتن جواب بهینه نسبت به الگوریتم جستجوی ابرکروی استاندارد و همچنین الگوریتم‌های بهینه‌سازی دیگر نظیر ژنتیک، ازدحام ذرات و الگوریتم جستجوی هارمونی دارد.

یادگيري تقويتي، يكي از انواع يادگيري ماشين است كه در آن عامل با استفاده از تراکنش با محيط، به شناخت محیط و بهبود رفتار خود می‎پردازد. يكي از مشكلات اصلي الگوريتم‎هاي استاندارد يادگيري تقويتي مانند یادگیری Q اين است که نمی‎توانند مسایل بزرگ را در زمان قابل قبولی حل کنند. کسب خودکار مهارت‌ها می‌تواند به شکستن مسأله به زيرمسأله‎هاي کوچک‌تر و حل سلسله‌مراتبی آن کمک کند. با وجود نتایج امیدوارکننده استفاده از مهارت‌ها در یادگیری تقویتی سلسله‌مراتبی، در برخی تحقیقات دیگر نشان داده شد که بر اساس وظیفه مورد نظر، اثر مهارت‌ها بر کارایی یادگیری می‌تواند کاملاً مثبت یا منفی باشد و اگر به درستی انتخاب نشوند می‌توانند پیچیدگی حل مسأله‌ را افزایش دهند. از این رو یکی از نقاط ضعف روش‌های قبلی کسب خودکار مهارت‌ها، عدم ارزیابی هر یک از مهارت‌های کسب‌شده می‌باشد. در این مقاله روش‌های جدیدی مبتنی بر خوشه‌بندی گراف برای استخراج زیرهدف‌ها و کسب مهارت‌ها ارائه می‌گردد. همچنین معیارهای جدید برای ارزیابی مهارت‌ها مطرح می‌شود که با کمک آنها، مهارتهای نامناسب برای حل مسأله‌ حذف می‌گردند. استفاده از این روش‌ها در چندین محیط آزمایشگاهی افزایش سرعت یادگیری را به شکل قابل ملاحظه‌ای نشان می‌دهد.

در این مقاله، راهکار واگذاری داده کاربران شبکه سلولی به فمتوسل و استفاده از فناوری ارتباط دوسویه هم‌فرکانس (IBFD) به منظور افزایش گذردهی شبکه و بهره‌وری طیفی پیشنهاد شده است. برای ارسال ترافیک کاربران به ماکروسل در مسیر فراسو، از واگذاری ترافیک به فمتوسل استفاده می‌شود. به عبارتی تمام یا بخشی از ترافیک کاربران به جای ارسال مستقیم به ماکروسل، ابتدا به فمتوسل ارسال شده و سپس به ماکروسل ارسال می‌گردد. همچنین فناوری IBFD که ارسال و دریافت هم‌زمان در یک باند فرکانسی را انجام می‌دهد نیز در فمتوسل به کار گرفته شده و چند حالت زمان‌بندی ارسال ترافیک پیشنهاد می‌گردد. علاوه بر این، تعداد و موقعیت بهینه کاربرانی که ترافیک داده خود را با IBFD یا بدون آن به فمتوسل واگذار می‌کنند تعیین می‌شود. نتایج شبیه‌سازی مؤید بهبود گذردهی شبکه به واسطه افزایش بهره‌وری فرکانس و کاهش توان مصرفی است.

شبکه‌های حسگر بی‌سیم دارای محدودیت‌هایی از قبیل توان پردازشی، منابع ذخیره‌سازی و تأخیر زمانی در انتقال داده‌ها به ابر می‌باشند. محاسبات مه به وسیله توسعه سرویس‌های ابری به لبه شبکه موجب کاهش ترافیک و تأخیر زمانی می‌شود و بنابراین این نوع شبکه‌ها در سیستم‌های بسیاری مانند مراقبت پزشکی، ابزارهای پوشیدنی، سیستم حمل و نقل و شهرهای هوشمند کاربرد دارد. تکنیک‌های زمان‌بندی وظایف در محاسبات مه از جمله مسایل NP-hard محسوب می‌شود. برنامه‌ها جهت اجراشدن به منابع نیاز دارند. ابزارهای لبه شبکه به حسگرها و ابر نزدیک بوده و دارای قدرت پردازشی لازم برای اجرای برنامه‌ها می‌باشند. هر ابزار لبه می‌تواند برای پیاده‌سازی سیاست‌های تخصیص منابع مورد استفاده قرار گیرد. در این مقاله، ما با ارائه یک روش مبتنی بر کوله‌پشتی بهینه‌شده با الگوریتم هم‌زیستی جانداران به تخصیص مناسب منابع به وظایف در شبکه‌های مه می‌پردازیم. روش پیشنهادی در شبیه‌ساز iFogsim به عنوان یک کتابخانه توسعه‌یافته از کلودسیم جهت پردازش مه پیاده‌سازی شده است. نتایج نشان‌دهنده بهبود در انرژی مصرفی، مصرف منابع و هزینه اجرای شبکه می‌باشد که روش پیشنهادی بهتر از روش کوله‌پشتی و الگوریتم پردازش به ترتیب ورود عمل نموده است.

در این مقاله، یک روش افزایش تفکیک‌پذیری خودیادگیرنده پیشنهاد گردیده که از اطلاعات پیکسل‌های مجاور هر پیکسل برای تخمین ارزش آن پیکسل استفاده شده است. برای این منظور، دو هرم با تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با اعمال متناوب الگوریتم‌های افزایش و کاهش نرخ نمونه‌برداری بر تصویر ورودی ایجاد می‌شوند که به عنوان مجموعه تصاویر آموزشی مورد استفاده قرار می‌گیرند. روش پیشنهادی با مدل‌سازی ارتباط بین وصله‌های تصاویر در سطوح متناظر دو هرم تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با استفاده از رگرسیون بردار پشتیبان، به تخمین مقادیر جدید پیکسل‌ها در تصویر خروجی می‌پردازد. از بازنمایی تنک به عنوان ویژگی هر وصله در تصاویر هرم با تفکیک‌پذیری پایین استفاده شده است. در این مقاله، جهت کاهش تارشدگی پیکسل‌های لبه، ابتدا پیکسل‌های لبه و غیر لبه مشخص می‌شوند. سپس به ازای پیکسل‌هایی که در نواحی غیر یکنواخت قرار دارند، پیکسل‌های همسایه مورد استفاده قرار نمی‌گیرند. لذا در روش پیشنهادی، ارزش پیکسل‌های همسایه هر پیکسل در نواحی یکنواخت، مدل شده و در تعیین ارزش نهایی دخالت داده می‌شود. نتایج حاصل از آزمایشات نشان داده که روش پیشنهادی عملکرد بهتری نسبت به سایر روش‌های مطرح‌شده در زمینه افزایش تفکیک‌پذیری تصویر از لحاظ کمی و کیفی داشته است.