Arash Sharifi
Department of Computer Science, Science and Research Branch, Islamic Azad University, Tehran, Iran
[ 1 ] - Recognizing the Emotional State Changes in Human Utterance by a Learning Statistical Method based on Gaussian Mixture Model
Speech is one of the most opulent and instant methods to express emotional characteristics of human beings, which conveys the cognitive and semantic concepts among humans. In this study, a statistical-based method for emotional recognition of speech signals is proposed, and a learning approach is introduced, which is based on the statistical model to classify internal feelings of the utterance....
[ 2 ] - شناسایی و پیش بینی سیستم غیرخطی کوره دوار سیمان با استفاده از شبکه عصبی - فازی و انتخاب ورودی ها به کمک الگوریتم ژنتیک
با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیرخطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی- فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیست...
[ 3 ] - معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو
در این مقاله به معرفی ساختاری نوین از سیستم فازی تاکاگی-سوگنو-کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می‌باشد، می‌پردازیم. روش پیشنهادی تحت عنوانSemi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می‌شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله‌ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می‌شود. در گام بعد خروجی حاص...
[ 4 ] - Malware Detection using Classification of Variable-Length Sequences
In this paper, a novel method based on the graph is proposed to classify the sequence of variable length as feature extraction. The proposed method overcomes the problems of the traditional graph with variable length of data, without fixing length of sequences, by determining the most frequent instructions and insertion the rest of instructions on the set of “other”, save speed and memory. Acco...
[ 5 ] - A Model for Detecting of Persian Rumors based on the Analysis of Contextual Features in the Content of Social Networks
The rumor is a collective attempt to interpret a vague but attractive situation by using the power of words. Therefore, identifying the rumor language can be helpful in identifying it. The previous research has focused more on the contextual information to reply tweets and less on the content features of the original rumor to address the rumor detection problem. Most of the studies have been in...