امروزه شبکههای پیچیده پویا به یکی از ارکان مهم زندگی بشر تبدیل شدهاند و تشخیص انجمن در این شبکهها یکی از مهمترین مسائل در تحلیل آنها محسوب میشود. در این مقاله یک روش تشخیص انجمن مبتنی بر تعبیه گراف و روش یادگیری جمعی ارائه شده که میتواند درجه پیمانهایبودن هر انج چکیده کامل
امروزه شبکههای پیچیده پویا به یکی از ارکان مهم زندگی بشر تبدیل شدهاند و تشخیص انجمن در این شبکهها یکی از مهمترین مسائل در تحلیل آنها محسوب میشود. در این مقاله یک روش تشخیص انجمن مبتنی بر تعبیه گراف و روش یادگیری جمعی ارائه شده که میتواند درجه پیمانهایبودن هر انجمن را حداکثر نماید. روشهای تعبیه گراف یا یادگیری نمایش کمبعد از گرهها در گراف به علت قابلیت کاربردی گسترده آن در عملکرد شبکههای پیچیده پویا مانند تشخیص انجمن در شبکه، بسیار مورد توجه قرار گرفتهاند. در این مقاله، یک روش تعبیه گراف پویا مبتنی بر یادگیر عمیق پیشنهاد شده که گراف خروجی از مرحله تعبیه گراف را بهعنوان ورودی به مدل یادگیر جمعی میدهد تا با دقت قابل قبولی، انجمنها را در شبکه تشخیص دهد. همچنین یک الگوریتم حریصانه جدید به نام پیوند جمع برای بهینهسازی تابع هدف برای مجموعه دادههای مقیاس بزرگ در زمان بسیار کوتاه ارائه گردیده است. نشان داده شده که پارتیشن توافقی پیشنهادی نسبت به پارتیشنهای بهدستآمده از کاربرد مستقیم روشهای خوشهبندی جمعی رایج، به ساختارهای خوشهای واقعی نزدیکتر است. روش پیشنهادی بهدلیل استفاده از روش پیشپردازش مبتنی بر تعبیه گراف پیشنهادی و همچنین استفاده از روش خوشهبندی جمعی، توانسته کارایی مناسبی را در مقایسه با سایر روشهای رقیب از خود نشان دهد. نتایج تجربی آزمایشهای انجامشده حاکی از برتری روش پیشنهادی در مقایسه با روشهای رقیب است.
پرونده مقاله
هدف از تعبیهسازی شبکههای اجتماعی که اخیراً توجه زیادی را به خود جلب کرده، یادگیری نمایش در ابعاد پایین برای هر گره در شبکه با حفظ ساختار و خصوصیات شبکه است. در این مقاله، تأثیر نحوه تشخیص جوامع در حالتهای مختلف مانند تشخیص جامعه حین یا قبل از روند پیادهروی تصادفی و چکیده کامل
هدف از تعبیهسازی شبکههای اجتماعی که اخیراً توجه زیادی را به خود جلب کرده، یادگیری نمایش در ابعاد پایین برای هر گره در شبکه با حفظ ساختار و خصوصیات شبکه است. در این مقاله، تأثیر نحوه تشخیص جوامع در حالتهای مختلف مانند تشخیص جامعه حین یا قبل از روند پیادهروی تصادفی و هچنین تأثیر معنایی اطلاعات متنی هر گره بر روی تعبیهسازی شبکه مورد بررسی قرار گرفته و دو چارچوب اصلی با نامهای تعبیهسازی شبکه آگاه به جامعه و متن و تعبیهسازی شبکه مبتنی بر جامعه و ویژگیهای معنایی پیشنهاد شده است. در این مقاله، در تعبیهسازی شبکه آگاه به جامعه و متن، تشخیص جوامع قبل از روند پیادهروی تصادفی با بهکارگیری روش غیرهمپوشان ادموت و همپوشان اگونتاسپلیتر انجام گرفته است. با این حال در تعبیهسازی شبکه مبتنی بر جامعه و ویژگیهای معنایی، تشخیص جوامع حین رخداد پیادهروی تصادفی و با استفاده از مدل موضوعی جفتکلمه اعمال شده است. در تمامی روشهای ارائهشده، تحلیل متنی مورد بررسی قرار گرفته و نهایتاً نمایش نهایی با بهکارگیری مدل Skip-Gram در شبکه انجام میگردد. آزمایشهای انجامشده نشان دادهاند که روشهای پیشنهادی این مقاله از روشهای با نامهای پیادهروی عمیق، CARE، CONE و COANE بهتر عمل کردهاند.
پرونده مقاله
اختلال طیف اوتیسم، نوعی اختلال رشدی به شمار میآید که از طریق علائمی مانند ناتوانی در برقراری ارتباط اجتماعی، خود را نشان میدهد. بنابراین بارزترین نشانه افراد مبتلا به اوتیسم، اختلال گفتار است. این مقاله در بخش اول به بررسی و مرور مطالعات انجامشده برای تشخیص خودکار او چکیده کامل
اختلال طیف اوتیسم، نوعی اختلال رشدی به شمار میآید که از طریق علائمی مانند ناتوانی در برقراری ارتباط اجتماعی، خود را نشان میدهد. بنابراین بارزترین نشانه افراد مبتلا به اوتیسم، اختلال گفتار است. این مقاله در بخش اول به بررسی و مرور مطالعات انجامشده برای تشخیص خودکار اوتیسم بر اساس پردازش گفتار افراد مشکوک به ابتلا میپردازد. با توجه به بررسیهای انجامشده، رویکردهای اصلی پردازش گفتار برای تشخیص اوتیسم به دو گروه تقسیم میشوند. گروه اول با پردازش پاسخها یا احساسات افراد مورد آزمایش در پاسخ به سؤالات یا داستان پرسشگر، افراد مبتلا به اوتیسم را تشخیص میدهند. گروه دوم، افراد مبتلا به اوتیسم را از طریق میزان نرخ دقت بازشناسی گفتارشان در سیستمهای تشخیص خودکار گفتار از افراد سالم تفکیک میکنند. علیرغم پژوهشهای زیاد انجامشده در این حوزه در خارج از ایران، پژوهشهای اندکی داخل ایران انجام شدهاند که مهمترین دلیل آن، عدم وجود دادگان غنی متناسب با نیازمندیهای تشخیص اوتیسم مبتنی بر پردازش گفتار افراد مبتلا است. در بخش دوم پژوهش حاضر به روند طراحی، جمعآوری و ارزیابی یک مجموعه دادگان گفتاری مستقل از گوینده برای تشخیص اوتیسم در کودکان ایرانی بهعنوان گام نخست بومیسازی حوزه مذکور پرداختهایم.
پرونده مقاله
افزایش وضوح تصویر در بسیاری موارد به تقویت مؤلفههای فرکانس بالای آن و افزایش وضوح در لبهها اطلاق میشود. در مدلهای موجود افزایش وضوح فرض میشود که حساسیت سیستم بینایی انسان(HVS) در تمام صحنه یکسان است و تأثیرات توجه بصری (VA) ناشی از برجستگی بصری (VS) در این مدله چکیده کامل
افزایش وضوح تصویر در بسیاری موارد به تقویت مؤلفههای فرکانس بالای آن و افزایش وضوح در لبهها اطلاق میشود. در مدلهای موجود افزایش وضوح فرض میشود که حساسیت سیستم بینایی انسان(HVS) در تمام صحنه یکسان است و تأثیرات توجه بصری (VA) ناشی از برجستگی بصری (VS) در این مدلها لحاظ نشده است. مطالعات مختلف نشان دادهاند که حساسیت بصری در نقاطی که توجه بیشتری را جلب میکند بالاتر است؛ بنابراین افزایش وضوح تصویر مبتنی بر توجه بصری میتواند باعث وضوح بیشتر درکشده در تصویر گردد. در این مقاله، مدلی برای افزایش وضوح تصویر پیشنهاد شده که از رابطه بین نقشه مؤلفههای فرکانس بالای تصویر و برجستگی بصری برای تعیین مقدار بهینه وضوح تصویر استفاده میکند. مدل پیشنهادی با بهکارگیری یک تابع غیرخطی، مقدار وضوح بهینه برای یک تصویر را با توجه به برجستگی بصری آن بیان میکند. تعیین پارامترهای تابع غیرخطی در قالب یک مسأله بهینهسازی مدلسازی شده که حل آن منجر به یافتن مقدار وضوح بهینه به طور خودکار میشود. جهت ارزیابی روش پیشنهادی و نشاندادن کارایی آن، آزمایشهای ذهنی و عینی انجام شده که نتایج نشان میدهند روش پیشنهادی در صورت انتخاب مقادیر مناسب پارامترهای کنترلی، نسبت به دیگر روشهای مورد مقایسه عملکرد مؤثرتری دارد.
پرونده مقاله
امروزه محاسبات کوانتومی نقشی بسزا در افزایش سرعت الگوریتمها دارند. بهدلیل محدودیت در تکنولوژیهای ساخت کامپیوترهای کوانتومی، طراحی یک کامپیوتر کوانتومی در مقیاس بزرگ با چالشهای زیادی مواجه است. یک راه حل جهت غلبه بر این چالشها، طراحی سیستمهای کوانتومی توزیعشده است چکیده کامل
امروزه محاسبات کوانتومی نقشی بسزا در افزایش سرعت الگوریتمها دارند. بهدلیل محدودیت در تکنولوژیهای ساخت کامپیوترهای کوانتومی، طراحی یک کامپیوتر کوانتومی در مقیاس بزرگ با چالشهای زیادی مواجه است. یک راه حل جهت غلبه بر این چالشها، طراحی سیستمهای کوانتومی توزیعشده است. در این سیستمها، کامپیوترهای کوانتومی از طریق پروتکل دورنوردی جهت انتقال اطلاعات کوانتومی با یکدیگر در ارتباط هستند. از آنجاییکه دورنوردی کوانتومی نیاز به منابع کوانتومی دارد، کاهش تعداد این پروتکل، ضروری میباشد. هدف از این مقاله، ارائه یک سیستم کوانتومی توزیعشده با درنظرگرفتن دو هدف توزیع متوازن کیوبیتها و کمینهنمودن تعداد پروتکل دورنوردی در دو سطح است. در سطح اول با ارائه یک الگوریتم برنامهسازی پویا، سعی در افراز متعادل کیوبیتها و کاهش تعداد ارتباطات بین زیرسیستمها شده است. با توجه به افراز بهدستآمده از سطح اول، در سطح دوم و در مرحله اجرای دروازههای سراسری، زمانی که یکی از کیوبیتهای این دروازه از مبدأ به مقصد مورد نظر دورنورد میگردد، ممکن است این کیوبیت بتواند توسط تعدادی دروازه سراسری با رعایت محدودیتهای تقدم مورد استفاده قرار گرفته و در نتیجه، موجب کاهش تعداد دورنوردیها گردد. نتایج بهدستآمده، نشاندهنده کارایی بهتر الگوریتم پیشنهادی بوده است.
پرونده مقاله
با استفاده از سیستم تشخیص خط در خودروهای خودران میتوان موقعیت نسبی خودرو را نسبت به دیگر خودروها و همچنین احتمال خروج از خط و حتی امکان تصادف را بررسی کرد. در این مقاله، یک رویکرد تشخیص خط کموزن و سریع برای تصاویر برگرفتهشده از دوربین تعبیهگردیده در شیشه جلویی خودرو چکیده کامل
با استفاده از سیستم تشخیص خط در خودروهای خودران میتوان موقعیت نسبی خودرو را نسبت به دیگر خودروها و همچنین احتمال خروج از خط و حتی امکان تصادف را بررسی کرد. در این مقاله، یک رویکرد تشخیص خط کموزن و سریع برای تصاویر برگرفتهشده از دوربین تعبیهگردیده در شیشه جلویی خودروها ارائه شده است. بیشتر روشهای موجود، مسئله تشخیص خط را به صورت کلاسبندی در سطح پیکسل در نظر میگیرند. این روشها با وجود داشتن قدرت تشخیص بالا، از دو ضعف داشتن پیچیدگی محاسباتی بالا و عدم توجه به اطلاعات محتوایی کلی تصویر منحصربهفرد خطوط (در نتیجه در صورت وجود مانع، امکان تشخیص ندارند) رنج میبرند. روش پیشنهادی پیش رو با بهرهگیری از روش انتخاب بر اساس ردیف، وجود خطوط در هر ردیف را بررسی میکند. همچنین استفاده از معماری موبایلنت باعث بهدستآمدن نتایج خوب با تعداد پارامترهای یادگیری کمتر شده است. استفاده از سه تابع مختلف به عنوان توابع هزینه با اهداف متفاوت، باعث بهدستآمدن نتایج عالی و درنظرگرفتن اطلاعات محتوایی کلی منحصربهفرد خطوط در کنار اطلاعات محلی شده است. آزمایشهای انجامگرفته بر روی مجموعه تصاویر ویدئویی TuSimple نشان از عملکرد مناسب رویکرد پیشنهادی از لحاظ کارایی و مخصوصاً از لحاظ سرعت دارد.
پرونده مقاله
شناسایی ژنهای آغازگر سرطان یا عامل سرطان یکی از موضوعات تحقیقاتی مهم در زمینه سرطانشناسی و زیستدادهورزی است. ژنهای عامل سرطان، ژنهایی هستند که بعد از اینکه جهش در آنها اتفاق میافتد، آن جهش را از طریق برهمکنشهای پروتئین- پروتئین به دیگر ژنها منتقل کرده و از این چکیده کامل
شناسایی ژنهای آغازگر سرطان یا عامل سرطان یکی از موضوعات تحقیقاتی مهم در زمینه سرطانشناسی و زیستدادهورزی است. ژنهای عامل سرطان، ژنهایی هستند که بعد از اینکه جهش در آنها اتفاق میافتد، آن جهش را از طریق برهمکنشهای پروتئین- پروتئین به دیگر ژنها منتقل کرده و از این طریق، باعث اختلال در عملکرد سلول و بروز بیماری و سرطان میشوند. تا کنون روشهای مختلفی برای پیشبینی و دستهبندی ژنهای عامل سرطان پیشنهاد شده که اکثراً متکی به دادههای ژنومی و ترنسکریپتومیک هستند و از این رو میانگین هارمونیک پایینی در نتایج دارند. تحقیقات در این زمینه بهمنظور بهبود دقت نتایج ادامه دارد و از این رو روشهای مبتنی بر شبکه و زیستدادهورزی به کمک این حوزه آمدهاند. در این مطالعه ما رویکردی را پیشنهاد دادهایم که متکی به دادههای جهش نیست و از روشهای شبکهای برای استخراج ویژگی و از شبکه عصبی سهلایه پیشخور برای دستهبندی ژنها استفاده میکند. برای این منظور، ابتدا شبکه زیستی مورد نظر که شبکه تنظیم رونویسی سرطان سینه است، تشکیل و سپس ویژگیهای مختلف هر ژن بهصورت بردارهایی استخراج گردید. نهایتاً بردارهای بهدستآمده جهت دستهبندی به یک شبکه عصبی پیشخور داده شد. نتایج بهدستآمده نشان میدهند که استفاده از روشهای مبتنی بر شبکههای عصبی چندلایه میتواند صحت و میانگین هارمونیک را بهبود بخشد و باعث بهبود عملکرد نسبت به سایر روشهای محاسباتی شود.
پرونده مقاله
توابع غیرهمسان فیزیکی (PUF) سختافزاری را برای تولید الگویی منحصربهفرد از چالش- پاسخ با اهداف احراز هویت و رمزگذاری ارائه میدهند. یکی از ویژگیهای مهم در این مدارها غیرقابل پیشبینیبودن است؛ به این معنی که یک مهاجم نمیتواند پاسخهای آینده را از مشاهدات قبلی پیشبینی چکیده کامل
توابع غیرهمسان فیزیکی (PUF) سختافزاری را برای تولید الگویی منحصربهفرد از چالش- پاسخ با اهداف احراز هویت و رمزگذاری ارائه میدهند. یکی از ویژگیهای مهم در این مدارها غیرقابل پیشبینیبودن است؛ به این معنی که یک مهاجم نمیتواند پاسخهای آینده را از مشاهدات قبلی پیشبینی کند. با این حال نشان داده شده که الگوریتمهای یادگیری ماشین، تهدیدی قابل توجه برای PUF ها هستند؛ زیرا آنها قادر به مدلسازی دقیق رفتار PUF میباشند. در این مقاله، ما تهدیدات امنیتیPUF را تحلیل و یک روش احراز هویت مبتنی بر PUF به نام SQ-PUF را ارائه میکنیم که میتواند در برابر حملات یادگیری ماشین مقاومت خوبی از خود نشان دهد. توانایی شبیهسازی یا پیشبینی آن را با مبهمسازی همبستگی بین جفتهای چالش- پاسخها دشوار کردیم. نتایج تجربی نشان میدهند که برخلاف PUFهای موجود، حتی با مجموعهای از دادههای بزرگ هم نمیتوان به مدل SQ-PUF حمله موفقی داشت و بیشترین دقت پیشبینی %۵۳ است که نشاندهنده غیرقابل پیشبینیبودن این مدل میباشد. علاوه بر این، یکنواختی و یکتایی در این مدل تقریباً با مقدار ایدهآل در
A-PUF یکسان باقی مانده است.
پرونده مقاله