فهرست مقالات

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - اختصاص کارآمد ماشینهای مجازی به ماشینهای فیزیکی با استفاده از روش فاصله اطمینان با هدف کاهش انرژی در محیط ابری
  نفیسه جوادی داوود بهره پور
  کاربرد محاسبات ابری جهت انجام پردازشهای عظیم در طول چندین سال اخیر بسیار گسترده شده است. یکی از مشکلاتی کهدر محیط ابری بایستی به آن توجه نمود مسئله برقراری کیفیت سرویس با در نظر گرفتن حداقل توان مصرفی در ابرهاست. دراین مقاله، تخصیص مناسب ماشینهای مجازی به ماشینهای فیزیک چکیده کامل

  کاربرد محاسبات ابری جهت انجام پردازشهای عظیم در طول چندین سال اخیر بسیار گسترده شده است. یکی از مشکلاتی کهدر محیط ابری بایستی به آن توجه نمود مسئله برقراری کیفیت سرویس با در نظر گرفتن حداقل توان مصرفی در ابرهاست. دراین مقاله، تخصیص مناسب ماشینهای مجازی به ماشینهای فیزیکی با توجه به حجم بار کاری با فرمول فاصله اطمینان موردارزیابی قرار گرفته است. فرمول فاصله اطمینان روشی آماری است که به جای یک مقدار میانگین دارای بازهای از اعداد است وبه این طریق اعداد را به سه دسته با ارزشهای کم، متوسط و زیاد دستهبندی میکند. با توجه به نتایج شبیهسازی در این مقالهسعی کردهایم نه تنها تخصیص مناسب جهت کاهش مصرف انرژی و کاهش تعداد مهاجرتها را برآورده سازیم، بلکه از کیفیتخدمات نیز برای به حداقل رساندن نقض توافقنامه سطح خدمات اطمینان حاصل کنیم. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - تشخیص رتینوپاتی دیابتی با تحلیل اگزودا در تصاویر شبکیه با استفاده از یادگیری عمیق
  ملیحه شارعی نیا سید محمد حسین معطر
  رتینوپاتی دیابتی، عارضهای ناشی از دیابت است که بدلیل تغییرات ایجاد شده در رگهای خونی رخ میدهد. هدف اصلی این مقاله،ارتقاء دقت تشخیص رتینوپاتی دیابتی در تصاویر شبکیه نسبت به روشهای معمول مبتنی بر استخراج بردار ویژگی میباشد. در اینروش ابتدا بر اساس دادههای آموزشی لایه به ل چکیده کامل

  رتینوپاتی دیابتی، عارضهای ناشی از دیابت است که بدلیل تغییرات ایجاد شده در رگهای خونی رخ میدهد. هدف اصلی این مقاله،ارتقاء دقت تشخیص رتینوپاتی دیابتی در تصاویر شبکیه نسبت به روشهای معمول مبتنی بر استخراج بردار ویژگی میباشد. در اینروش ابتدا بر اساس دادههای آموزشی لایه به لایه شبکه عصبی آموزش دیده و در نهایت شبکه عصبی کانولوشن با کمک چهار لایهکانولوشن، چهار لایه ادغام و دو لایه تماماً متصل آموزش دیده و ساخته میشوند. شبکه عصبی کانولوشن ویژگیهای موجود در تصویرشبکیه را آموخته و ویژگیهای مناسب را برای دستهبندی تصاویر استخراج میکند. در این مقاله توانستیم در آزمایشهای خود به بهبودبرای آزمودن روش ،Stare قابل قبولی نسبت به کارهای انجام شدهی قبلی برسیم که با توجه به بررسی 397 نمونه از پایگاه دادهپیشنهادی و بدست آوردن نرخ حساسیت 90 % و صحت 96 % موفقیت روش بر روی این پایگاه داده کاملاً مشهود هست. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - استفاده از منطق فازی برای تشخیص ارقام فارسی
  عباسعلی رضائی فرزانه کیمیائی
  تشخیص کاراکتر توسط کامپیوترها، یکی از چالش برانگیزترین حوزهها در الگوشناسی است. تحقیقات نشان میدهند این حوزهها باتشخیص آنلاین که در آن کاربر نیاز به استفاده از یک خودکار الکترونیک برای نوشتن بر روی صفحه الکترونیکی شبیه به کاغذ دارد وهمچنین با تشخیص کاراکتر آفلاین سروکار چکیده کامل

  تشخیص کاراکتر توسط کامپیوترها، یکی از چالش برانگیزترین حوزهها در الگوشناسی است. تحقیقات نشان میدهند این حوزهها باتشخیص آنلاین که در آن کاربر نیاز به استفاده از یک خودکار الکترونیک برای نوشتن بر روی صفحه الکترونیکی شبیه به کاغذ دارد وهمچنین با تشخیص کاراکتر آفلاین سروکار دارند. در این مقاله به ارائه روشی برای شناسایی و دستهبندی ارقام دستنویس فارسیهمسایه فازی لحاظ شدهاند. این روش بهصورت شبیه سازی کامپیوتری K میپردازیم که در آن عملیات تفکیک و دستهبندی به تعدادبا استفاده از کد متلب در سه بخش اصلی پیاده سازی شده است: بخش اول پیشپردازش تصاویر مجموعه میباشد، بخش دوم استخراجنزدیکترین همسایه فازی است. K ویژگیهایی که بتوان به کمک آن ارقام را از هم تفکیک کرد و بخش سوم طراحی کلاسبند به تعداداین روش مزایایی نسبت به نسخه غیرفازیاش دارا میباشد از جمله اینکه میزان اطمینان از دستهبندی یک نمونه را نشان میدهد، درمورد نمونههایی که نسبت به آنها مردد است نظر نمیدهد و دارای درصد دستهبندی درست بالایی است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - طبقه بندی داده های نامتعادل با ترکیب منحنی اصلی و smote بهبود یافته درجه پشتیبان
  ریحانه کمال پور عادل قاضی خانی
  مسئله طبقهبندی دادههای نامتعادل بهعنوان یکی از چالشهای اصلی در حوزه دادهکاوی است. در مجموعه دادههای نامتعادل، تعدادنمونهها در کلاسهای گوناگون اختلاف بسیاری دارند. در دادههای نامتعادل هدف اصلی شناسایی صحیح نمونههای کلاس اقلیت است.بهعنوان مثال در حوزهیپزشکی، تعداد نمونهها چکیده کامل

  مسئله طبقهبندی دادههای نامتعادل بهعنوان یکی از چالشهای اصلی در حوزه دادهکاوی است. در مجموعه دادههای نامتعادل، تعدادنمونهها در کلاسهای گوناگون اختلاف بسیاری دارند. در دادههای نامتعادل هدف اصلی شناسایی صحیح نمونههای کلاس اقلیت است.بهعنوان مثال در حوزهیپزشکی، تعداد نمونههای مثبت از یک بیماری در مقابل تعداد نمونههای منفی بسیار کمتر است. در حالیکهبرای این مسئله ارائه ،SdCurveSmote اهمیت شناسایی نمونههای مربوط به دسته مثبت، بسیار زیاد است. در این مقاله الگوریتمی بانامشده است. این الگوریتم شامل سه بخش کلی است بخش اول محاسبه پارامتری بنام درجه پشتیبانی برای انتخاب نمونههای مناسببر روی این نمونههای مناسب با درجه پشتیبان بالا و تولید نمونه جدید است Smote و بخش دوم انجام عمل Smote مرزی برای عملو در بخش آخر محاسبات منحنی اصلی وحدآستانه و بررسی نمونههای تولید شده میباشد. در این مقاله از 5 مجموعه داده نامتعادل،استفاده شده است که میزان عدم تعادل متفاوت دارند. الگوریتم پیشنهادی نسبت به الگوریتمهای مشابه، KEEL و UCI برگرفته از سایتنشان میدهد که در آن تفاوت معنادار بسیار مطلوبی بین Adaboost با آزمون فریدمن نتایج بهتری داشت در این آزمون برای طبقه بندوجود دارد. SdSmote و Smote روش پیشنهادی و روشهای پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - کنترل مد لغزشی ترمینال جهت کنترل خطای موقعیت عرضی خودرو توسط دینامیک سیستم فرمان
  سید مرتضی مهدوی شهری ریحانه کاردهی مقدم
  استفاده از وسایل نقلیه در سطح جهان رو به افزایش است. گسترش و توسعه خودروهایی که بتوانند نیازهای گوناگون و اغلب متضادرا برطرف کند، در صنایع خودروسازی یک چالش بزرگ محسوب می شود. افزایش ایمنی خودروها در صنایع خودروسازی مسئله ایبسیار مهم در زمینه ایمنی و رقا بت تجاری است. ب چکیده کامل

  استفاده از وسایل نقلیه در سطح جهان رو به افزایش است. گسترش و توسعه خودروهایی که بتوانند نیازهای گوناگون و اغلب متضادرا برطرف کند، در صنایع خودروسازی یک چالش بزرگ محسوب می شود. افزایش ایمنی خودروها در صنایع خودروسازی مسئله ایبسیار مهم در زمینه ایمنی و رقا بت تجاری است. برای نیل به این هدف از دیرباز سامانه های مختلفی پیشنهاد و طراحی گردیده است.سیستم های نگهدارنده در مسیر که هدایت و راندن در مسیرهای مستقیم را به طور اتوماتیک اداره میکنند، یکی از این نوع سیستم هااست؛ که هم به عنوان سیستمی مستقل برای رانندگی خودکار و نیز به عنوان سیستم کمک راننده بکار میرود. در این مقاله با ارائه یکمدل دو درجه آزادی از حرکت عر ضی خودرو و کنترل آن به و سیله روش کنترل مد لغز شی ترمینال، به طراحی کنترل کننده منا سببرای این سیستم می پردازیم. نتایج شبیه سازی نشان می دهد نه تنها کنترلکننده لغزشی به نحوی مؤثر به کنترل سیستم غیرخطی نامعینمذکور میپردازد بلکه در زمان کوتاهی خطای تعقیب مسیر دلخواه صفر میشود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - رمزنگاری امن تصویر مبتنی بر جایگشت سطوح بیت و نگاشتهای آشوب
  ابوالفضل یاقوتی نیت متینه زوار
  امروزه اکثر ارتباطات بین افراد به صورت تصویری است، به طوری که حفاظت از اطلاعات تصویر، به منظور جلوگیری از دستیابیهایغیر مجاز مورد نیاز است. این مقاله یک طرح نوین رمزنگاری تصویر مبتنی بر تجزیه سطح بیت و نگاشت آشوب را ارائه میدهد. درابتدا تصویر اصلی به سطوح بیتی مختلف گسس چکیده کامل

  امروزه اکثر ارتباطات بین افراد به صورت تصویری است، به طوری که حفاظت از اطلاعات تصویر، به منظور جلوگیری از دستیابیهایغیر مجاز مورد نیاز است. این مقاله یک طرح نوین رمزنگاری تصویر مبتنی بر تجزیه سطح بیت و نگاشت آشوب را ارائه میدهد. درابتدا تصویر اصلی به سطوح بیتی مختلف گسسته میشود. سپس، سطوح بیتی فرد در یک گروه و سطوح بیتی زوج در گروه دیگر قرارمیگیرند. با استفاده از نگاشت آرنولد بر روی هر یک از گروهها، جایگشت صورت میگیرد. روش پیشنهادی موجب میشود که گروهیاز بیتها از یک سطح بیتی به سطح بیتی دیگر منتقل گردد. در نتیجه، توزیع بیت در هر سطح بیت بسیار یکنواخت خواهد بود واطلاعات آماری در هر سطح بیتی از تصویر اصلی تغییر مییابد. از این رو، مهاجم نمیتواند، هنگامیکه تصویر جایگشت شده را دریافتکند، اطلاعات آماری تصویر اصلی را تجزیه و تحلیل نماید. از سیستم آشوب سه بعدی لجستیک جهت رمزنگاری بهره گرفتهایم. نتایجآزمایشی نشان دهندهی امنیت بالای روش پیشنهادی در برابر حملات مختلف، مانند حملات آماری و از دست دادن دادهها است پرونده مقاله