هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی چکیده کامل
هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی در نظر گرفته شود. روشهای موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند و از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روشهای دومرحلهای مبتنی بر ماکسیممسازی انتظار و نیازمندی به یک سری مدل از پیش تعریف شده در روشهای مبتنی بر چند مدل میباشد. در این مقاله، یک روش بدون راهنما برای غلبه بر این مشکلات با استفاده از فیلترهای وفقی کرنلی ارائه شده است. به این منظور از فیلترهای وفقی حداقل میانگین مربعات خطای کرنلی یا حداقل مربعات بازگشتی کرنلی برای تخمین تابع غیر خطی مشاهده استفاده میشود. با فرض معلومبودن تابع فرایند و با داشتن دنبالهای از مشاهدات، تابع مشاهده مجهول تخمین زده میشود. ضمناً برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تُنُکسازی دادهها با استفاده از روش وابستگی خطی تقریبی استفاده شده و الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر پیشبینی سریهای زمانی و دیگری روی ردیابی اشیا در ویدئو میباشد. نتایج به دست آمده حاکی از برتری روش پیشنهادی در مقایسه با چند روش موجود است.الگوریتم RRT به دست آمده و مقایسه گردید. این نتایج نشانگر کارایی مناسب رویکرد پیشنهادی است.
پرونده مقاله
هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی چکیده کامل
هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی در نظر گرفته شود. روشهای موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند و از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روشهای دومرحلهای مبتنی بر ماکسیممسازی انتظار و نیازمندی به یک سری مدل از پیش تعریف شده در روشهای مبتنی بر چند مدل میباشد. در این مقاله، یک روش بدون راهنما برای غلبه بر این مشکلات با استفاده از فیلترهای وفقی کرنلی ارائه شده است. به این منظور از فیلترهای وفقی حداقل میانگین مربعات خطای کرنلی یا حداقل مربعات بازگشتی کرنلی برای تخمین تابع غیر خطی مشاهده استفاده میشود. با فرض معلومبودن تابع فرایند و با داشتن دنبالهای از مشاهدات، تابع مشاهده مجهول تخمین زده میشود. ضمناً برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تُنُکسازی دادهها با استفاده از روش وابستگی خطی تقریبی استفاده شده و الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر پیشبینی سریهای زمانی و دیگری روی ردیابی اشیا در ویدئو میباشد. نتایج به دست آمده حاکی از برتری روش پیشنهادی در مقایسه با چند روش موجود است.الگوریتم RRT به دست آمده و مقایسه گردید. این نتایج نشانگر کارایی مناسب رویکرد پیشنهادی است.
پرونده مقاله
با توسعه تعاملات مبتنی بر وب نظیر نظرسنجیها، وبلاگهای شخصی و شبکههای اجتماعی، آنالیز حس و یا کاوش عقیده به یکی از حوزههای تحقیقاتی مهم در علوم کامپیوتر تبدیل شده است. تا کنون روشهای زیادی مبتنی بر یادگیری ماشین و همچنین پردازش زبان طبیعی در ارتباط با آنالیز حس ارائ چکیده کامل
با توسعه تعاملات مبتنی بر وب نظیر نظرسنجیها، وبلاگهای شخصی و شبکههای اجتماعی، آنالیز حس و یا کاوش عقیده به یکی از حوزههای تحقیقاتی مهم در علوم کامپیوتر تبدیل شده است. تا کنون روشهای زیادی مبتنی بر یادگیری ماشین و همچنین پردازش زبان طبیعی در ارتباط با آنالیز حس ارائه شده است. در این مقاله از توزیع کلمات در مجموعه اسناد جمعآوری شده به عنوان معیاری جدید برای تشخیص حس جمله استفاده شده است. در روش پیشنهادی با طراحی حوزه تبدیل بهینه مناسب روی توزیع کلمات، دو هدف حداکثرکردن انرژی طیفی کلاس 1 در فرکانسهای پایین و حداکثرکردن انرژی طیفی کلاس 2 در فرکانسهای بالا دنبال میشود. با طراحی حوزه تبدیل بهینه، دادهها از حوزه فراوانی به حوزه فوریه نگاشت میشوند. با این تبدیل بهینه، جداسازی الگوهای دوکلاسی از مفاهیم خوشبینی و بدبینی در حوزه تبدیل به راحتی امکانپذیر خواهد بود. برای محققشدن مدل ریاضی، استراتژی استفاده از پروفایل نمونهها روی همه نمونههای سیگنال نماینده کلاس 1 ارائه شده و مسأله حل میشود. طیف این پروفایل دارای مؤلفههای فرکانس پایین میباشد که با فرض تضاد طیفی دوکلاسی 1 و 2، حداکثرکردن انرژی طیفی کلاس 2 نیز ارضا میگردد. این روش به روی متون با زبان فارسی و انگلیسی اجرا شده است.
پرونده مقاله
ساختارهای هولونی یک ساختار سلسلهمراتبی از هولونها است که به منظور حل مسایل پیچیده و ارضای اهدافی مانند محدودسازی حوزه تعاملات، کاهش عدم قطعیت یا شکلدهی هدفهای سطح بالا در سیستمهای چندعاملی توسعه داده شدهاند که به سبب آن سیستم از انعطافپذیری و پویایی بالایی در بر چکیده کامل
ساختارهای هولونی یک ساختار سلسلهمراتبی از هولونها است که به منظور حل مسایل پیچیده و ارضای اهدافی مانند محدودسازی حوزه تعاملات، کاهش عدم قطعیت یا شکلدهی هدفهای سطح بالا در سیستمهای چندعاملی توسعه داده شدهاند که به سبب آن سیستم از انعطافپذیری و پویایی بالایی در برابر تغییرات محیطی برخوردار میشود.
علیرغم کاربرد وسیع سیستمهای چندعاملی هولونی در زمینه مدلسازی و حل مسایل پیچیده، بسیاری از مفاهیم اساسی در آن مانند تشکیل هولونهای عضو و کنترل پویای ساختار مربوط، از مدلهای بسیار ساده و ابتدایی که اکثراً وابسته به کاربرد خاص هستند، تبعیت میکنند که البته این را میتوان به علت نوپابودن تحقیقات در این زمینه دانست. در این مقاله سعی گردیده با بهرهگیری از مفاهیم اجتماعی و نظریه سازمانها، روشی مبتنی بر هدف برای تشکیل ساختارهای هولونی ارائه گردد. روش پیشنهادی که از مفاهیم نقش، مهارت و ساختار اهداف استفاده میکند این امکان را فراهم میسازد که بتوان از آن برای طیف وسیعی از کاربردها بهره برد.
به منظور نشاندادن قابلیتهای روش پیشنهادی و نیز نمایش نحوه به کارگیری از آن در مسایل واقعی، در این مقاله بستر آزمایشی بر مبنای کاربرد ردیابی شیئ در شبکههای حسگر بیسیم طراحی و ارائه شده است. در این کاربرد، حسگرهای پخششده در محیط به عنوان عاملهای ساده با بهرهگیری از ساختار هولونی، وظیفه ردیابی شیئ بیگانه واردشده به محیط را بر عهده میگیرند. طبق نتایج آزمایشگاهی به دست آماده حاصل از شبیهسازی، روش هولونی ارائهشده بر مبنای الگوریتم پیشنهادی در این مقاله توانسته است کارایی موفقیتآمیزی را از نظر کیفیت ردیابی و میزان مصرف انرژی در این بستر آزمایش ارائه دهد.
پرونده مقاله
امروزه شبکههای حسگر بیسیم به طور گسترده در سیستمهای نظارتی مورد استفاده قرار میگیرند. عمدهترین چالش در طراحی این شبکهها، به حداقل رساندن هزینه انتقال داده است. تجمیع داده با استفاده از نظریه نمونهبرداری فشرده، روشی مؤثر برای کاهش هزینه ارتباطات در گره چاهک میبا چکیده کامل
امروزه شبکههای حسگر بیسیم به طور گسترده در سیستمهای نظارتی مورد استفاده قرار میگیرند. عمدهترین چالش در طراحی این شبکهها، به حداقل رساندن هزینه انتقال داده است. تجمیع داده با استفاده از نظریه نمونهبرداری فشرده، روشی مؤثر برای کاهش هزینه ارتباطات در گره چاهک میباشد. روشهای تجمیع داده موجود که بر مبنای نمونهبرداری فشرده عمل میکنند، برای هر نمونه اندازهگیری نیاز به شرکت تعداد زیادی از گرههای حسگر دارند که منجر به ناکارآمدی در مصرف انرژی میشود. به منظور رفع این مشکل، در این مقاله از اندازهگیریهای تصادفی تنک استفاده میگردد. از طرفی، تشکیل درختهای مسیریابی با هزینه کمتر و توزیع عادلانه بار در سطح شبکه، میزان مصرف انرژی را به طور قابل ملاحظهای کاهش میدهند. در این راستا الگوریتم جدیدی با عنوان WCDG ارائه میشود که با ایجاد درختهای مسیریابی وزندار و بهرهگیری توأم از نمونهبرداری فشرده، دادههای گرههای هر مسیر را تجمیع و برای گره چاهک ارسال میکند. در الگوریتم WCDG با در نظر گرفتن قابلیت کنترل توان در گرههای حسگر، مسیرهای کارآمدی انتخاب میشوند. نتایج شبیهسازیها حاکی از آن است که روش پیشنهادی در مقایسه با سایر روشها به طور قابل توجهی عملکرد بهتری از نظر میزان مصرف انرژی و تعادل بار در شبکه دارد.
پرونده مقاله
روش یادگیری Q یکی از مشهورترین و پرکاربردترین روشهای یادگیری تقویتی مستقل از مدل است. از جمله مزایای این روش عدم وابستگی به آگاهی از دانش پیشین و تضمین در رسیدن به پاسخ بهینه است. یکی از محدودیتهای این روش کاهش سرعت همگرایی آن با افزایش بعد است. بنابراین افزایش سرعت ه چکیده کامل
روش یادگیری Q یکی از مشهورترین و پرکاربردترین روشهای یادگیری تقویتی مستقل از مدل است. از جمله مزایای این روش عدم وابستگی به آگاهی از دانش پیشین و تضمین در رسیدن به پاسخ بهینه است. یکی از محدودیتهای این روش کاهش سرعت همگرایی آن با افزایش بعد است. بنابراین افزایش سرعت همگرایی به عنوان یک چالش مطرح است. استفاده از مفاهیم عمل متضاد در یادگیری Q، منجر به بهبود سرعت همگرایی میشود زیرا در هر گام یادگیری، دو مقدار Q به طور همزمان به روز میشوند. در این مقاله روشی ترکیبی با استفاده از رویه تطبیقی در کنار مفاهیم عمل متضاد برای افزایش سرعت همگرایی مطرح شده است. روشها برای مسئله Grid world شبیهسازی شده است. روشهای ارائهشده بهبود در میانگین درصد نرخ موفقیت، میانگین درصد حالتهای بهینه، متوسط تعداد گامهای عامل برای رسیدن به هدف و میانگین پاداش دریافتی را نشان میدهند.
پرونده مقاله
یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار میباشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیارVM ها، هزینه و سررسیدVM ها میباشد. در این مقاله با در نظر گرفتن تکت چکیده کامل
یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار میباشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیارVM ها، هزینه و سررسیدVM ها میباشد. در این مقاله با در نظر گرفتن تکتک این معیارها و اهداف طراحی مانند توازن بار، کاهش نرخ ایجاد VM جدید و مهاجرت VM ها، مسأله را در قالب پارامترهای مؤثر در کارایی مدل کرده و سپس مدل فوق را با استفاده از روش پرومته که یکی از پرکاربردترین روشهای تصمیمگیری چندشاخصه است، حل میکنیم. در این روش انتخاب بهترین VM بر اساس ارزش اختصاصیافته به هر یک از معیارها صورت میگیرد که بر اساس منطق فازی تعیین میشود. جهت بررسی کارایی این روش، شبیهسازیهای گستردهای در محیط CloudSim صورت گرفته که نشان میدهد روش پیشنهادی نسبت به روشهای موجود مانند FIFO، DLB و WRR از نقطه نظرات زمان پاسخ، نرخ موفقیت کارها، انحراف بار و نرخ مهاجرت VMها عملکرد بسیار بهتری دارد.
پرونده مقاله
بخشبندی تصویر به منظور تشخیص مرزهای رگ امری ضروری جهت تشخیص دقیق بیماری انسداد عروق قلب به وسیله تصویربرداری اولتراسوند درونرگی (IVUS) است. در این مقاله یک روش جدید جهت بخشبندی تصاویر IVUS پیشنهاد شده است. ابتدا پیشپردازشهایی به منظور تبدیل تصاویر از مختصات دکارت چکیده کامل
بخشبندی تصویر به منظور تشخیص مرزهای رگ امری ضروری جهت تشخیص دقیق بیماری انسداد عروق قلب به وسیله تصویربرداری اولتراسوند درونرگی (IVUS) است. در این مقاله یک روش جدید جهت بخشبندی تصاویر IVUS پیشنهاد شده است. ابتدا پیشپردازشهایی به منظور تبدیل تصاویر از مختصات دکارتی به مختصات قطبی، حذف کاتتر موجود در تصاویر و از بین بردن نویز اسپکل با فیلتر غیر خطی و غیر ایزوتروپیک انتشاری انجام شده است. سپس با استفاده از فیلتر گابور ویژگیهای بافت تصاویر استخراج شده و با استفاده از مدل کانتور فعال برداری، به بخشبندی تصاویر و تعیین مرز عروق پرداخته شده است. با روش خوشهبندی فازی پلاکهای کلسیم، مشخص و با استفاده از مدل کانتور فعال مرز دقیق پلاکهای کلسیم استخراج شده است. این روش بر روی سی تصویر نمونه آزمایش شده و نتایج بخشبندی تصویر با نظر پزشک متخصص اعتبارسنجی شده است. اختلاف مساحت مرز داخلی رگ با نظر پزشک متخصص 236/0431/0 و اختلاف مساحت مرز خارجی رگ با نظر پزشک متخصص 723/0653/0 است. اختلاف مساحت پلاکهای کلسیم استخراجشده با الگوریتم پیشنهادی در مقایسه با تصاویر بافتشناسی 90/5 درصد حاصل شده است.
پرونده مقاله
کارایی شبکههای روی تراشه به طور گستردهای به الگوریتمهای مسیریابی به کار رفته در آنها وابسته است. در سالیان اخیر، الگوریتمهای مسیریابی زیادی برای شبکههای روی تراشه دوبعدی و سهبعدی طراحیشده است. شبکه روی تراشه سهبعدی که برای افزایش کارایی شبکه روی تراشه دوبعدی معر چکیده کامل
کارایی شبکههای روی تراشه به طور گستردهای به الگوریتمهای مسیریابی به کار رفته در آنها وابسته است. در سالیان اخیر، الگوریتمهای مسیریابی زیادی برای شبکههای روی تراشه دوبعدی و سهبعدی طراحیشده است. شبکه روی تراشه سهبعدی که برای افزایش کارایی شبکه روی تراشه دوبعدی معرفی گردیده، از ترکیب مفاهیم شبکه روی تراشه و مجتمعسازی سهبعدی به وجود آمده است. در این گونه مدارها عناصر نیمههادی به روشی خاص به صورت پشتهای روی یکدیگر قرار میگیرند. به دلیل تأثیرات قابل توجهی که اشکالهای لینکها یا گرههای شبکه روی تراشه بر عملکرد مدار میگذارند، الگوریتمهای مسیریابی بایستی روشهایی را به کار گیرند تا از تأثیرات اشکال جلوگیری نمایند. این ویژگی خصوصاً در شبکه روی تراشه سهبعدی که احتمال رخداد اشکال در لینکهای عمودی آن قابل توجه است، اهمیت بیشتری دارد. در این مقاله، یک روش جدید برای مسیریابی در شبکه روی تراشه سهبعدی به نام FT-ZXY معرفی میشود که بدون استفاده از کانالهای مجازی و در نتیجه با سربار سختافزاری ناچیز، قابلیت تحمل اشکالهای منفرد در لینکهای افقی و اشکالهای چندگانه در لینکهای عمودی را دارد. نتایج شبیهسازی نشان میدهد که الگوریتم مسیریابی پیشنهادی از نظر پارامترهای ارزیابی مانند تأخیر، قابلیت اطمینان، سربار سختافزاری و توان مصرفی، عملکرد بهتری نسبت به الگوریتمهای مطرحشده قبلی دارد.
پرونده مقاله