فهرست مقالات

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - تحلیل استراتژیک کشته شدن رستم در شاهنامه با رویکرد نظریه بازی‌ها
  مجید اسحاقی هادی ضیایی
  در این مقاله، یک تحلیل استراتژیک برای کشته شدن رستم در شاهنامه با رویکرد نظریه بازی‌ها ارائه شده است. در نگاه اول، استراتژی حکیم فردوسی استخراج می‌شود که با کشته شدن رستم در شاهنامه نمی‌خواهد به شاعران قرن‌های آینده سواری رایگان بدهد. بازی فردوسی و شاعران آینده یک بازی چکیده کامل

  در این مقاله، یک تحلیل استراتژیک برای کشته شدن رستم در شاهنامه با رویکرد نظریه بازی‌ها ارائه شده است. در نگاه اول، استراتژی حکیم فردوسی استخراج می‌شود که با کشته شدن رستم در شاهنامه نمی‌خواهد به شاعران قرن‌های آینده سواری رایگان بدهد. بازی فردوسی و شاعران آینده یک بازی ترتیبی ایستای اکید می‌باشد که با استفاده از جدول اطلس نظریه بازی‌های 2×2 مدل سازی می‌شود. در نگاه دوم، بازی شغاد و رستم با استفاده از مدل بازی‌های استراتژیک، پس از طراحی استراتژی‌های بازیکنان، عایدی‌های آنان در موقعیت‌های مختلف با توجه به محیط بازی محاسبه و تحلیل شده است. این بازی 2×2 یکی از بازی‌های ترتیبی ایستا اکید و بازی هژمونی می‌باشد. با توجه به جدول این بازی، بازیکن P_1 (شغاد) که برای فریب بازیکن P_2 (رستم) از شرایط بازی استفاده می‌کند و بازی را طوری پیاده سازی کرد تا به خواسته خود برسد. یکی از مهم ترین نتایج این مقاله، اثبات ژرف اندیشی تفکر راهبردی فردوسی است که به عنوان یک استراتژیست مطرح و بررسی شده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - Adaptive-PGRP: الگوریتم مسیریابی در شبکه‌های VANET بر اساس الگوریتم PGRP با ارسال تطبیقی پیام های Hello
  ربابه غفوری وایقان رضا اکبری سفیده
  مسیریابی در شبکه های بین خودرویی به دلیل سرعت خودروها و تغییرات سریع شبکه، یک مساله چالش برانگیز است. در این شبکه ها الگوریتم‌های مسیریابی جغرافیایی دارای محبوبیت بیشتری بوده و توجه بیشتری را به خود جلب کرده اند. کارآیی الگوریتم های مسیریابی جغرافیایی به دو عامل استراتژ چکیده کامل

  مسیریابی در شبکه های بین خودرویی به دلیل سرعت خودروها و تغییرات سریع شبکه، یک مساله چالش برانگیز است. در این شبکه ها الگوریتم‌های مسیریابی جغرافیایی دارای محبوبیت بیشتری بوده و توجه بیشتری را به خود جلب کرده اند. کارآیی الگوریتم های مسیریابی جغرافیایی به دو عامل استراتژی انتخاب بهترین همسایه و چگونگی مدیریت کردن تحرک گره های همسایه از طریق روال ارسال پیام های Hello بستگی دارد. انتشار پیام‌های Hello، منجر به مبادله ی بسته های بسیار و افزایش سربار شبکه و حتی باعث اشباع کانال و افزایش احتمال تصادم بسته های داده می شود. در این مقاله با هدف کاهش نرخ ارسال پیام‌های Hello، نرخ ارسال این پیام ها براساس عوامل سازگار با مشخصه های شبکه های بین خودرویی مانند ازدحام و طول عمر پیوند ها به صورت تطبیقی تنظیم می‌شود. با به کار بردن روش پیشنهادی بر روی الگوریتم PGRP(Predictive Geographic Routing Protocol)، نرخ ارسال بسته های Hello در این الگوریتم با توجه به شرایط شبکه تنظیم می‌شود. در نتیجه پیام‌های سربار کنترلی کاهش می یابد و کیفیت خدمات در شبکه بهبود می‌یابد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی در سناریوهای مختلف باعث بهبود عملکرد پروتکل PGRP شده و ضمن افزایش نرخ تحویل بسته، تاخیر انتها به انتها و سربار کنترلی را کاهش می‌دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - ارائه یک روش ترکیبی شبکه های عصبی عمیق جهت جلوگیری از نفوذ در شبکه های کامپیوتری
  محسن رکن الدینی عرفانه نوروزی
  چکیده: در این پژوهش به بررسی و ارائه یک روش ترکیبی شبکه‌های عصبی عمیق جهت جلوگیری از نفوذ در شبکه‌های کامپیوتری پرداخته می‌شود. هدف اصلی این پژوهش، افزایش کارایی سیستم تشخیص نفوذ است. برای دستیابی به این هدف، یک روش ترکیبی از یادگیری عمیق و شبکه عصبی مصنوعی ارائه شده اس چکیده کامل

  چکیده: در این پژوهش به بررسی و ارائه یک روش ترکیبی شبکه‌های عصبی عمیق جهت جلوگیری از نفوذ در شبکه‌های کامپیوتری پرداخته می‌شود. هدف اصلی این پژوهش، افزایش کارایی سیستم تشخیص نفوذ است. برای دستیابی به این هدف، یک روش ترکیبی از یادگیری عمیق و شبکه عصبی مصنوعی ارائه شده است. این روش با استفاده از شبکه‌های عصبی عمیق، ویژگی‌های پیچیده‌تر را تشخیص داده و عملکرد مدل را بهبود می‌بخشد. با استفاده از روش‌های ترکیبی شامل ترکیب معماری شبکه‌های عصبی، ویژگی‌ها، خروجی‌ها و ترکیب نتایج از شبکه‌های عصبی مختلف، تنوع و قدرت تشخیصی مدل افزایش می‌یابد و درستی و عملکرد آن بهبود می‌یابد. نتایج شبیه‌سازی‌ها نشان می‌دهد که روش‌های شبکه‌های عصبی عمیق مانند MLP، CNN، LSTM و GRU نتایج خوبی نسبت به دیگر روش‌های تک‌لایه‌ای یادگیری ماشین دارند. در این پژوهش دو روش ترکیبی شبکه عصبی عمیق CNN-GRU و CNN-LSTM معرفی شدند که به‌منظور تحلیل و ارزیابی کلی بر روی مجموعه‌داده KDD CUP'99 آزمایش شد. دو رویکرد ترکیبی، صحت بالا و خطای دسته‌بندی کمتری نسبت به دیگر روش‌های معرفی شده، دارند؛ بنابراین، می‌توان نتیجه گرفت که در مجموعه‌داده KDD CUP'99 روش ترکیبی CNN-LSTM عملکرد مناسبی دارد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - تخمین شاخص فیدرهای فلیکرزا با روش ترکیبی نمونه برداری- شبیه سازی
  پیمان نظریان
  در این مقاله ابتدا به پیشینه موضوع و کارهای انجام شده در زمینه شبیه‌سازی و ردیابی فلیکر اشاره و سپس روش جدید ترکیبی شبیه سازی- نمونه‌برداری جهت تخمین شاخص‌های فلیکر شرح داده می‌شود. در ادامه، برنامه کامپیوتری FSP که به منظور تحلیل و ردیابی فلیکر ناشی از مشترکین صنعتی سن چکیده کامل

  در این مقاله ابتدا به پیشینه موضوع و کارهای انجام شده در زمینه شبیه‌سازی و ردیابی فلیکر اشاره و سپس روش جدید ترکیبی شبیه سازی- نمونه‌برداری جهت تخمین شاخص‌های فلیکر شرح داده می‌شود. در ادامه، برنامه کامپیوتری FSP که به منظور تحلیل و ردیابی فلیکر ناشی از مشترکین صنعتی سنگین براساس روش این مقاله توسعه یافته است، معرفی می‌گردد. این نرم‌افزار در برگیرنده نیازهای شرکت برق منطقه ای زنجان در این زمینه بوده و با استفاده از امکانات موجود سخت‌افزاری و داده‌ای و لحاظ‌نمودن محدودیت‌های موجود، قابلیت انجام مطالعه روی فلیکر و تخمین شاخص‌های فلیکر را دارد. در ادامه، با استفاده از داده های استخراج شده از یکی از پست‌های 230 کیلوولت تحت مدیریت شرکت برق منطقه ای زنجان، فلیکر، در یک شبکه نوعی، مورد محاسبه و مطالعه قرار می‌گیرد. بررسی شاخص‌های فلیکر، در حالت‌هایی که امکان قطع فیدرها بصورت واقعی وجود ندارد، توسط نرم‌افزار FSP به‌سادگی صورت می‌پذیرد و امکان ردیابی مشترکین فلیکرزا و تخمین سهم فلیکر هر یک از آنها را امکان‌پذیر می نماید. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - رویکرد یادگیری اشتراکی بر مبنای شبکه های عصبی مبتنی بر توجه برای مشابهت یابی متون
  ابراهیم گنجعلی پور امیر حسین رفاهی شیخانی سهراب کردرستمی علی اصغر حسین زاده
  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 برا چکیده کامل

  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
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - بررسی عکس‌العمل پیچیدگی اقتصادی به شوک‌های فناوری اطلاعات و ارتباطات در ایران (با استفاده از الگوی خودرگرسیون برداری)
  اشکان رحیم زاده
  فناوری اطلاعات و ارتباطات با داشتن ویژگی‌های دانش، آثار سرریز در تولیدات ایجاد نموده و موجبات پیچیدگی اقتصادی را فراهم می‌نماید. هدف این تحقیق بررسی تأثیرپذیری پیچیدگی اقتصادی نسبت به شوک‌های فناوری اطلاعات و ارتباطات در ایران می‌باشد. داده‌های آماری بکار گرفته‌شده در ا چکیده کامل

  فناوری اطلاعات و ارتباطات با داشتن ویژگی‌های دانش، آثار سرریز در تولیدات ایجاد نموده و موجبات پیچیدگی اقتصادی را فراهم می‌نماید. هدف این تحقیق بررسی تأثیرپذیری پیچیدگی اقتصادی نسبت به شوک‌های فناوری اطلاعات و ارتباطات در ایران می‌باشد. داده‌های آماری بکار گرفته‌شده در این تحقیق از بانک جهانی و وب‌سایت دانشگاه ام‌آی‌تی طی سال‌های 2020-2000 بوده و از نرم‌افزار Eviews برای برآورد مدل پیشنهادی استفاده شده ‌است. داده‌های سری زمانی این مطالعه همگی ایستا بوده و بر اساس معیار شوارتز-بیزین وقفه بهینه یک می‌باشد. نتایج آزمون جوهانسن دلالت بر وجود یک رابطه بلند مدّت بین متغیرهای تحقیق بوده و برآورد، تأثیر مثبت کاربران اینترنت و واردات کالاهای ICT بر پیچیدگی اقتصادی را در بلندمدت نشان می‌دهد. آماره F در برآورد مدل تحقیق بر اساس روش خود رگرسیون برداری دلالت بر معنی‌داری آن بوده و 87 درصد از تغییرات پیچیدگی اقتصادی توسط متغیرهای مدل تبیین می‌گردد. تأثیر شوک واردات کالاهای ICT بر پیچیدگی اقتصادی در همه سال‌ها مثبت و این تأثیر در مورد کاربران اینترنت در همه سال‌ها به‌غیراز سال دوم الی سوم مثبت می‌باشد. همچنین اثر تجزیه واریانس نشان می‌دهد واردات کالاهای ICT و کاربران اینترنت هر دو در تبیین تغییرات پیچیدگی اقتصادی نقش داشته و سهم واردات کالاهای موردنظر بیشتر است. پرونده مقاله