Abstract— In order to provide complete security in a computer system and to prevent intrusion, intrusion detection systems (IDS) are required to detect if an attacker crosses the firewall, antivirus, and other security devices. Data and options to deal with it. In this paper, we are trying to provide a model for combining types of attacks on public data using combined methods of genetic algorithm and neural network. The goal is to make the designed model act as a measure of system attack and combine optimization algorithms to create the ultimate accuracy and reliability for the proposed model and reduce the error rate. To do this, we used a feedback neural network, and by examining the worker, it can be argued that this research with the new approach reduces errors in the classification.with the rapid development of communication and information technology and its applications, especially in computer networks, there is a new competition in information security and network security. Manuscript profile

در مسائل مختلف روزمره اطلاعاتی وجود دارند که هرکدام به‌نوعی غیرقطعی می‌باشند. مدیریت کردن این نوع از اطلاعات با استفاده از سیستم‌های پایگاه داده کلاسیک موجب فقدان زیان‌آور معانی داده ‌شده است. بنابراین استفاده از تکنیک‌های پیشرفته مدل‌سازی پایگاه داده ضروری می‌باشد. مدل‌سازی و استفاده از نظریه فازی در پایگاه داده می‌تواند به‌عنوان پایه و اساس پردازش هوشمند اطلاعات مطرح شود. از طرفی XMLدر سال‌های اخیر به‌عنوان یک زبان و ساختار استاندارد برای مبادله و نمایش اطلاعات مبتنی بر وب اهمیت بسیار زیادی پیداکرده است. در طول سال‌های گذشته راهکارهای زیادی توسط محققان ارائه‌شده است. اما در زمینه مواجهه با عدم قطعیت در XML تحقیقات چندانی صورت نگرفته است. در این تحقیق تلفیقی از فازی سازی و XML ملاحظه می‌گردد تا بتوان یک راهکار مناسب برای انجام پرس‌وجوها در پایگاه داده شی‌ءگرا ارائه داد. با ترکیب SQL و XML می‌توان یک زبان و پایگاه داده مستقل برای ذخیره و بازیابی پرس‌وجوها فراهم نمود. پرس‌وجوهای پایگاه داده در این تحقیق به دو صورت ساده و مرکب مورد بررسی قرارمی‌گیرد. در حالت مرکب، پرس‌وجوهای عطفی مورد تأکید قرار می‌گیرد. در ادامه این پرس‌وجوها با برچسب‌های XML با استفاده از فازی بیان می‌شود. نتایج تحقیق نشان می‌دهد روش پیشنهادی قابلیت پشتیبانی از پرس‌وجوهای فازی را با زبان نشانه‌گذاری فرامتن دارا می‌باشد. Manuscript profile

فرآیند معماری سازمانی چابک پیچیده بوده و معمار می‌تواند برای کنترل پیچیدگی آن، از چارچوب به عنوان تنظیم کننده ساختار و از سبک به عنوان جهت دهنده به رفتار استفاده کند. یکی از نیازهای غیروظیفه‌مندی در معماری سازمانی چابک، کارایی می‌باشد و یکی از پارامترهای کارایی سیستم، زمان پاسخ می‌باشد که در این تحقیق از آن استفاده شده است. بدین جهت و برای ایجاد نظم و سازماندهی توصیفات معماری سازمانی استفاده ازیک چارچوب الزامی می باشد. هدف از این مقاله ارائه روشی برای ارزیابی کارایی معماری سازمانی چابک، جهت دستیابی به یک معماری خوب و مناسب می باشد. در این تحقیق با بهره‌گیری از چارچوب ‌ هایی که مبنای آن‌ها چارچوب زکمن می‌باشد، ابتدا ویژگی های سازمان مورد نظر را با استفاده از نمودارهای UML بیان می شود. در ادامه این نمودارها که عمدتاً به صورت رفتاری و ساختاری می باشد به مدل‌های رسمی تبدیل می گردد. کلیشه‌های مربوط به UML که به صورت حاشیه نگاری برروی نمودارهای UML قرار می گیرند در این راستا مورد استفاده قرار خواهند گرفت. امکان ارزیابی نیازهای غیروظیفه مندی برروی مدل‌های رسمی فراهم می گردد. نتایج تحقیق نشان می‌دهد که با ارائه یک مدل، در فاز طراحی از هزینه‌های سنگین فاز پیاده سازی اجتناب می گردد. Manuscript profile

امروزه با گسترش روز افزون علم، استفاده از سیستم های پشتیبان تصمیم می تواند کمک زیادی در سیاست های درمانی پزشک داشته باشد. بدین منظور استفاده از سیستم های هوشمند مصنوعی در پیش بینی و تشخیص سرطان پستان که یکی از رایج ترین سرطان ها در بین زنان می باشد، مورد توجه است. در این مقاله فرآیند تشخیص بیماری سرطان پستان با استفاده از تنظیم چند مرحله ای وزن ها در شبکه عصبی MLP در دو لایه انجام می شود. در لایه اول، سه طبقه بند وجود دارد که به طور همزمان روی داده های مجموعه یادگیری آموزش می بینند. پس از اتمام آموزش خروجی طبقه بندهای لایه اول جمع آوری شده و به همراه داده های مجموعه یادگیری در مجموعه ای جدید قرار می گیرند. این مجموعه به عنوان ورودی به فراطبقه بند لایه دوم داده می شود و فراطبقه بند نگاشت میان خروجی های هر یک از طبقه بندهای معمولی لایه اول را با کلاس های خروجی واقعی مدل می کند. ساختار سه طبقه بند لایه اول و همچنین فراطبقه بند لایه دوم یک شبکه عصبی MLP است که وزن ها، ویژگی های موثر و اندازه لایه مخفی در آن به طور همزمان با استفاده از یک الگوریتم ژنتیک ابتکاری بهینه سازی می شود. به منظور ارزیابی دقت مدل پیشنهادی از پایگاه داده ویسکانسین استفاده می شود که با تست FNA ایجاد شده است. نتایج آزمایش ها روی مجموعه داده WBCD دقت 98.72% را برای روش پیشنهادی نشان می دهد که نسبت به الگوریتم های GAANN، CAFS عملکرد بهتری ارائه داده است. Manuscript profile

Recommender systems are a branch of retrieval systems and information matching, which through identifying the interests and requires of the user, help the users achieve the desired information or service through a massive selection of choices. In recent years, the recommender systems apply describing information in the terms of the user, such as location, time, and task, in order to produce relevant and even customized recommendations. Recently, some companies began to utilize the context information in their search engines. For instance, when choosing a song for the customer, it attempts to include the current mood of the listener in the context of the suggestions that the user makes. Employing context information, in view of the system's access and ability to collect information from the user interface, it offers more precise and user-friendly content that, in addition to obtaining user satisfaction, will also lead to the development and promotion of the field of work and the concept known as context-aware recommender system. In particular, this paper explores the dimensions of research, work areas, architectures, and tools employed and the ability to create a structure that researchers have based on in this area. Manuscript profile