In the current study we investigate the two-stage iterative method for solving linear systems. Our new results shows which splitting generates convergence fast in iterative methods. Finally, we solve the Poisson-Block tridiagonal matrix from Poisson's equation which arises in mechanical engineering and theoretical physics. Numerical computations are presented based on a particular linear system, which clearly show the reliability and efficiency of the presented algorithm. پرونده مقاله

مشابهت یابی معنایی متون (STS)یک وظیفه چالش‌برانگیز در زبان‌های با منابع دیجیتالی محدود است، دشواری‌های اصلی ناشی از کمبود مجموعه‌های آموزشی دسته‌بندی‌شده و مشکلات مرتبط با آموزش مدل‌های مؤثر است. در اینجا یک رویکرد یادگیری مشترک با استفاده از مدل خودتوجه بهبودیافته برای مقابله با چالش STS در ساختارهای زبانی (فاعل، مفعول، فعل) SOV و (فاعل، فعل، مفعول) SVO معرفی شده است. ابتدا یک مجموعه داده چندزبانه جامع با داده‌های موازی برای زبان‌های SOV و SVO را ایجاد کرده و تنوع زبانی گسترده‌ای را تضمین می‌کنیم. ما یک مدل خودتوجه بهبودیافته با رمزگذاری نسبی موقعیت وزن‌دار جدید غنی‌شده با تزریق اطلاعات هم‌رخدادی از طریق عوامل اطلاعات مشترک نقطه‌ای (PMI) معرفی می‌کنیم. علاوه بر این، ما از یک چارچوب یادگیری مشترک استفاده می‌کنیم که نمونه های مشترک بین زبان‌ها را به منظور بهبود STS بین زبانی استفاده می‌کند. با آموزش همزمان در چندین جفت زبان، مدل ما توانایی انتقال دانش را به دست می‌آورد و به طور مؤثر پل ارتباطی بین زبان‌های با ساختارهای متفاوت SOV و SVO ایجاد می کند. مدل پیشنهادی ما بر روی مجموعه داده‌های STS- Benchmarks فارسی-انگلیسی و فارسی-فارسی ارزیابی شد و به ترتیب به ضریب همبستگی پیرسون 88.29٪ و 91.65٪ دست‌یافت. آزمایش‌های انجام‌شده نشان می‌دهند که مدل پیشنهادی ما در مقایسه با مدل‌های دیگر عملکرد بهتری داشته است. مطالعه کاهشی نیز نشان می‌دهد که سیستم ما قادر به همگرایی سریعتر است و کمتر مستعد بیش برازش است پرونده مقاله

Internet of Things describes a large number of devices (things) are connected through a number of sensors via Internet, and lack of some nodes cooperation in providing service to other nodes might interrupt the connection of some things, decreasing network efficiency. A multi-phase mechanism based on fuzzy logic and Game theory has been designed to recognize and motivate the selfish and malicious nodes to cooperate in IoT. In the first phase, the nodes are grouped into clusters with cluster-heads for data collection. In the second phase, a multiply and dynamic game is executed while forwarding their data packet or others’ data packet. Nodes can select their strategy when data packet forwarding in the third phase (Fuzzy logic). Nodes will determine the neighboring node reputation by using fuzzy system. The amount of reputation of each of the nodes has been realized and finally, with the help of second phase and fuzzy logic, each node is decided to be cooperate or selfish nodes and in case of head, clusters and fuzzy logic in some cases, the opportunity node will be reestablished to cooperate in network activities otherwise the node will be isolated. The simulation of the proposed method has been evaluated and the parameters of selfish node detection accuracy 5%, false positive rate 8% and packet delivery rate 12% are perform better than other previous methods. . پرونده مقاله