یکی از چالشهای بازشناسی ارقام مجزای فارسی، مشابهت تلفظ برخی از ارقام مانند "صفر و سه"، "نه و دو" و "پنج، هفت و هشت" میباشد. این چالش منجر به بازشناسی یک رقم به جای رقم مشابه شده و دقت بازشناسی را کاهش میدهد. در این مقاله، یک راهکار ترکیبی مبتنی بر حافظه کوتاهمدت مان چکیده کامل
یکی از چالشهای بازشناسی ارقام مجزای فارسی، مشابهت تلفظ برخی از ارقام مانند "صفر و سه"، "نه و دو" و "پنج، هفت و هشت" میباشد. این چالش منجر به بازشناسی یک رقم به جای رقم مشابه شده و دقت بازشناسی را کاهش میدهد. در این مقاله، یک راهکار ترکیبی مبتنی بر حافظه کوتاهمدت ماندگار (LSTM) و مدل مخفی مارکف (HMM) برای رفع چالش مذکور ارائه شده که نرخ بازشناسی ارقام فارسی مبتنی بر HMM را به طور متوسط 2% و در بهترین حالت 8% بهبود داده است. با توجه به تشدید چالش بازشناسی ارقام مشابه فارسی در شرایط نویزی، در ادامه کار مقاومسازی بازشناسی ارقام مشابه فارسی مورد توجه قرار گرفت. به منظور افزایش مقاومت بازشناس مبتنی بر LSTM، از ویژگیهای مقاوم به نویز مستخرج از طیف گفتار مانند آنتروپی طیفی، درجه از هم پاشی، فرکانس نیمساز، همواری طیفی، فرمانت اول و نرخ گذار از صفر مبتنی بر تابع همبستگی استفاده گردید. استفاده از این ویژگیها، ضمن کاهش تعداد ویژگیها برای بازشناسی ارقام مشابه فارسی از 39 ضریب به حداکثر 4 و حداقل 1 ضریب، به طور متوسط به ترتیب بهبود 10، 13، 15 و 13 درصدی مقاومت بازشناس ارقام مشابه را در شرایط متنوع نویزی (30 حالت مختلف حاصل از پنج نوع نویز سفید، صورتی، همهمه، کارخانه و ماشین و شش نسبت سیگنال به نویز 5-، 0، 5، 10، 15 و 20 دسیبل) در مقایسه با بازشناسهای مبتنی بر HMM، LSTM، شبکه باور عمیق با ویژگیهای مل کپستروم و شبکه عصبی کانولوشنی با ویژگیهای مل اسپکتوگرام به همراه دارد.
پرونده مقاله
در این مقاله یک الگوریتم جدید برای ضربکننده دیجیتال بدون علامت با مشخصات سرعت بالا و توان مصرفی کم بدون خط لوله که به آسانی برای تعداد بیتهای بیشتر نیز بسط مییابد پیشنهاد شده است. بلوکهای این ضربکننده به صورت موازی کار میکنند و این عملکرد موجب افزایش چشمگیر سرعت چکیده کامل
در این مقاله یک الگوریتم جدید برای ضربکننده دیجیتال بدون علامت با مشخصات سرعت بالا و توان مصرفی کم بدون خط لوله که به آسانی برای تعداد بیتهای بیشتر نیز بسط مییابد پیشنهاد شده است. بلوکهای این ضربکننده به صورت موازی کار میکنند و این عملکرد موجب افزایش چشمگیر سرعت ربکننده خواهد شد. در این الگوریتم، بیتهای ورودی به دستههای کوچکتری تقسیمبندی میشوند که ضرب این دستهها به صورت موازی و همزمان انجام خواهند گرفت. این تقسیمبندی تا رسیدن به کمترین تعداد بیت ورودی یعنی 2×2 ادامه مییابد. در محاسبه حاصلضرب هر یک از دستهها، از الگوریتم پیشنهادی استفاده گردیده که منجر به تسریع حاصلضرب هر دسته شده است و نتیجه نهایی از حاصلجمع این دستههای کوچکتر به دست
خواهد آمد. برای جمعکردن دستههای کوچکتر از جمعکنندههای درختی اصلاحشده که بتواند منجر به افزایش سرعت ضرب شود استفاده گردیده است. ضربکنندههایی با طول بیتهای ورودی 2، 4، 8، 16، 32 و 64 با استفاده از الگوریتم پیشنهادی در فناوری 180 نانومتر و 90 نانومتر پیادهسازی شدهاند که برای طول بیت ورودی 32 بیت در فناوری 180 نانومتر، تأخیر 05/3 نانوثانیه و مصرف توان 40 میلیوات و در فناوری 90 نانومتر، تأخیر 53/1 نانوثانیه و مصرف توان 7/9 میلیوات میباشد. همچنین با استفاده از روش پیشنهادی تخمین زده میشود که تأخیر ضربکننده 128×128 در فناوری 180 و 90 نانومتر به ترتیب برابر با 4/5 نانوثانیه و 5/2 نانوثانیه شود. با توجه به نتایج و در مقایسه با سایر کارهای گزارششده در مقالات و در پروسس یکسان، بدون افزایش توان مصرفی و با مساحت سیلیکون 5/1 برابر، سرعت ضربکننده پیشنهادی بیش از 2 برابر افزایش یافته است.
پرونده مقاله
با پیشرفت تکنولوژی و کوچکترشدن ابعاد ترانزیستورها در تکنولوژی CMOS، چالشهای متعددی به وجود آمدهاند. از نگرانیهای اصلی در بهرهگیری از حافظههای مبتنی بر CMOS، میتوان توان مصرفی بالا در این نوع حافظهها را برشمرد. از این رو برای مرتفعنمودن کمبودهای حافظههای فرار م چکیده کامل
با پیشرفت تکنولوژی و کوچکترشدن ابعاد ترانزیستورها در تکنولوژی CMOS، چالشهای متعددی به وجود آمدهاند. از نگرانیهای اصلی در بهرهگیری از حافظههای مبتنی بر CMOS، میتوان توان مصرفی بالا در این نوع حافظهها را برشمرد. از این رو برای مرتفعنمودن کمبودهای حافظههای فرار مرسوم، حافظههای جدید و غیر فراری ارائه شدند. در این میان یکی از تکنولوژیهای غیر فرار نوظهور، حافظههای STT-MRAM هستند که به واسطه ویژگیهایی همچون توان نشتی ناچیز، چگالی بالا و زمان دسترسی مناسب به عنوان جایگزینی مؤثر و کارا برای حافظههای مرسوم همچون SRAMها در نظر گرفته میشوند. ویژگیهای مثبت STT-MRAMها این امکان را به وجود میآورد که بتوان از آنها در سطوح مختلف از سلسلهمراتب حافظه، علیالخصوص سطح حافظه نهان بهره برد. با این حال، حافظههای STT-MRAM از انرژی نوشتن بالا رنج میبرند که در این مقاله با ارائه یک مدار نوشتن جدید با بهرهگیری از روش دمایی، علاوه بر بهبود انرژی بالای نوشتن در این نوع حافظه، تأخیر نوشتن نیز بهبود داده میشود. روش پیشنهادی در مقایسه با روشهای موجود به بهبودی 5/22 و 62/18 درصدی به ترتیب در انرژی و تأخیر نوشتن دست یافته است.
پرونده مقاله
مراکز داده ابر به دلیل فاصله زیاد از کاربران نهایی اغلب در مواجهشدن با میلیونها درخواست ذخیرهسازی و پردازشی حساس به تأخیر، ناموفق عمل میکنند. درخواستهای حساس به تأخیر نیاز دارند که پاسخ خود را حتی در شرایط ازدحام درخواستها در شبکه، قبل از به اتمام رسیدن مهلت زمانی چکیده کامل
مراکز داده ابر به دلیل فاصله زیاد از کاربران نهایی اغلب در مواجهشدن با میلیونها درخواست ذخیرهسازی و پردازشی حساس به تأخیر، ناموفق عمل میکنند. درخواستهای حساس به تأخیر نیاز دارند که پاسخ خود را حتی در شرایط ازدحام درخواستها در شبکه، قبل از به اتمام رسیدن مهلت زمانی از پیش تعیین شده دریافت کنند. برای رفع این نیاز، معماری رایانش مه معرفی شد که سرویسهای محاسباتی، ذخیرهسازی و ارتباطی را در لبه شبکه برای کاربران فراهم میکند. از جمله چالشهای رایانش مه چگونگی تخصیص منابع گرههای مه و ابر به درخواستهای کاربران در شرایط ازدحام، برای رسیدن به بیشترین نرخ پذیرش و کمترین زمان پاسخ درخواستها است. گرههای مه قدرت پردازشی و ذخیرهسازی محدودی دارند و در نتیجه در شرایط ازدحام درخواستها، کارایی مناسبی ندارند. در این مقاله روشی کارا برای تخصیص منابع در رایانش مه پیشنهاد میشود که به منظور مقابله با چالش مذکور، با توجه به وضعیت منابع آزاد گره و شرایط ازدحام، در مورد محل قرارگیری و اجرای درخواست (گره مه یا ابر) تصمیمگیری میکند. بر اساس آزمایشهای صورتگرفته، روش پیشنهادی بر اساس معیارهای متوسط زمان پاسخ و درصد درخواستهای لغوشده عملکرد بهتری در مقایسه با سایر روشها دارد.
پرونده مقاله
شبکههای حسگر بیسیم متشکل از هزاران گره با انرژی باتری محدود هستند و مصرف بهینه انرژی گرههای حسگر یک چالش اساسی در این نوع از شبکههاست. خوشهبندی گرههای حسگر در دستههای مجزا و تبادل اطلاعات از طریق سرخوشهها، یکی از راهکارهای بهبود مصرف انرژی است. این مقاله یک پروت چکیده کامل
شبکههای حسگر بیسیم متشکل از هزاران گره با انرژی باتری محدود هستند و مصرف بهینه انرژی گرههای حسگر یک چالش اساسی در این نوع از شبکههاست. خوشهبندی گرههای حسگر در دستههای مجزا و تبادل اطلاعات از طریق سرخوشهها، یکی از راهکارهای بهبود مصرف انرژی است. این مقاله یک پروتکل مسیریابی مبتنی بر خوشهبندی جدید را به نام SFLCFBA ارائه میدهد. پروتکل پیشنهادی به طور بیولوژیکی از ویژگیهای جستجوی سریع و مؤثر الهامگرفته از الگوریتم قورباغه جهنده را که بر اساس رفتار غذایابی قورباغهها عمل میکند برای خوشهبندی گرههای حسگر استفاده میکند. در پروتکل پیشنهادی همچنین از منطق فازی به منظور محاسبه برازندگی گرهها، بر حسب دو معیار فاصله تا سینک و انرژی باقیمانده سطح باتری گره حسگر استفاده میشود. روش پیشنهادی در شبیهساز OPNET شبیهسازی شد و نتایج حاصل از شبیهسازی با پروتکل NODIC و استاندارد 4/15/802 IEEE مقایسه شدند. نتایج به دست آمده از شبیهسازی نشاندهنده عملکرد بهتر پروتکل پیشنهادی از نظر انرژی سطح باتری، نسبت سیگنال به نویز، تأخیر انتها به انتها و میزان بستههای تحویلشده به ایستگاه پایه یا سینک میباشد.
پرونده مقاله
دستهبندی، یکی از وظایف مهم دادهکاوی و یادگیری ماشین است و درخت تصمیم به عنوان یکی از الگوریتمهای پرکاربرد دستهبندی، دارای سادگی و قابلیت تفسیر نتایج است. اما در مواجهه با دادههای حجیم، درخت تصمیم بسیار پیچیده خواهد شد و با محدودیتهای حافظه و زمان اجرا مواجه است. چکیده کامل
دستهبندی، یکی از وظایف مهم دادهکاوی و یادگیری ماشین است و درخت تصمیم به عنوان یکی از الگوریتمهای پرکاربرد دستهبندی، دارای سادگی و قابلیت تفسیر نتایج است. اما در مواجهه با دادههای حجیم، درخت تصمیم بسیار پیچیده خواهد شد و با محدودیتهای حافظه و زمان اجرا مواجه است. الگوريتمهاي ساخت درخت باید همه مجموعه داده آموزش و یا بخش زیادی از آن را درون حافظه نگه دارند. الگوریتمهایی که به علت انتخاب زیرمجموعهای از داده با محدودیت حافظه مواجه نیستند، زمان اضافی جهت انتخاب داده صرف میکنند. جهت انتخاب بهترین ویژگی برای ایجاد انشعاب در درخت هم باید محاسبات زیادی بر روی این مجموعه داده انجام شود. در این مقاله، یک رویکرد مقیاسپذیر افزایشی بر مبنای تقسیم سریع و هرس، جهت ساخت درخت تصمیم بر روی مجموعه دادههای حجیم ارائه شده است. الگوریتم ارائهشده درخت تصمیم را با استفاده از کل مجموعه داده آموزش اما بدون نیاز به ذخیرهسازی داده در حافظه اصلی میسازد. همچنین جهت کاهش پیچیدگی درخت از روش پیشهرس استفاده شده است. نتایج حاصل از اجرای الگوریتم بر روی مجموعه دادههای UCI نشان میدهد الگوریتم ارائهشده با وجود دقت و زمان ساخت قابل رقابت با سایر الگوریتمها، بر مشکلات حاصل از پیچیدگی درخت غلبه کرده است.
پرونده مقاله
در این مقاله یک روش جدید برای تفکیک کور منابع گفتار دوکاناله، بدون نیاز به دانش قبلی در مورد منابع گفتار آمده است. در روش پیشنهادی، با وزندادن به طیف سیگنال ترکیبشده بر اساس فاصله منابع گفتار با میکروفون، تفکیک منابع گفتار انجام میشود. بنابراین ابتدا با تشکیل اسپکتوگ چکیده کامل
در این مقاله یک روش جدید برای تفکیک کور منابع گفتار دوکاناله، بدون نیاز به دانش قبلی در مورد منابع گفتار آمده است. در روش پیشنهادی، با وزندادن به طیف سیگنال ترکیبشده بر اساس فاصله منابع گفتار با میکروفون، تفکیک منابع گفتار انجام میشود. بنابراین ابتدا با تشکیل اسپکتوگرام زاویهای توسط تابع همبستگی متقابل تعمیمیافته، منابع گفتار موجود در سیگنال ترکیبشده مکانیابی میشوند. سپس با توجه به موقعیت مکانی منابع از نظر فاصله با میکروفونها، اندازه طیف سیگنال ترکیبشده، وزندهی میشود. با ضرب اندازه طیف وزن داده شده در مقادیر حاصل از اسپکتوگرام زاویهای و مقایسه آنها با هم، برای هر منبع یک نقاب باینری ساخته میشود. با اعمال نقاب باینری به اندازه طیف سیگنال ترکیبشده، منابع گفتار موجود در آن از هم جدا میشوند. این روش روی دادههای پایگاه داده SiSEC آزمایش و از ابزار سنجش و معیارهای موجود در این پایگاه، برای ارزیابی استفاده شده است. نتایج نشان میدهد که روش پیشنهادی، از جهت معیارهای موجود در پایگاه مذکور با روشهای رقیب قابل مقایسه بوده و پیچیدگی محاسباتی کمتری دارد.
پرونده مقاله