مزایای انرژی الکتریکی و افزایش تمایل به استفاده بیشتر از آن، باعث گسترش شبکه های قدرت شده است. همگام با افزایش تقاضا و گسترش شبکه های قدرت، فعل و انفعالات پیچیده و پیش بینی نشده و حوادث غیر منتظره نیز در سیستم افزایش یافته است. این فعل و انفعالات و حوادث می توانند باعث خروج سیستم قدرت از حالت تعادل و بروز خاموشی شوند. حوادث پی درپی ، یکی از ویژگیهای مهم خاموشی ها به شمار می روند. در روند شکل گیری خاموشی، علاوه بر حوادث ناشی از عوامل طبیعی و اشتباهات بهره برداری، برخی پدیده ها مانند ناپایداری زاویه ای، ناپایداری حرارتی، مشکلات ولتاژی و فرکانسی نیز در شکل گیری حوادث پی درپی دخیل هستند. بنابر این با توجه به اهمیت موضوع در این پایان نامه ابتدا به بررسی خاموشی های بزرگی که در سراسر دنیا رخ داده پرداخته شده و پس از بررسی روند پیشروی آنها، عوامل دخیل در شکل گیری خاموشی ها مورد شناسایی قرار می گیرد. در ادامه پس از معرفی مدل های مختلفی که برای شبیه سازی حوادث پی درپی در مقالات مختلف ارائه شده است و با شناسایی نقاط ضعف این روشها و نیزعوامل دخیل در شکل گیری خاموشی، شبکه آزمون نمونه مناسب 39 شینه نیوانگلند، برای انجام مطالعات خاموشی انتخاب و مدلسازی می گردد، سپس عناصری که بیشترین تاثیر را در شکل گیری خاموشی سیستم قدرت دارند، در شبکه مورد مطالعه، مدلسازی می شوند. در ادامه نیز با انجام مطالعات شبیه سازی بر روی شبکه نمونه درطی 5 سناریو مختلف، نحوه مشارکت عوامل موثر در روند شکل گیری خاموشی بررسی می شود و درنهایت دو پیشنهاد، غیر فعال کردن ناحیه3 رله های دیستانس بحرانی و جلو گیری از خاموشی با انجام حذف بار مناسب به منظور کاهش خطر خاموشی در سیستم قدرت ارائه می گردد. برای سنجش اعتبار پیشنهادات فوق، روشهای ارائه شده بر روی شبکه آزمون نمونه اجرا و شبیه سازی می شود و مشاهده می گردد که در هر دو حالت از وقوع خاموشی سراسری در شبکه جلوگیری می شود.

در سازمان های بزرگ، به دلیل کثرت نیروی انسانی و عدم توجه کافی به چیدمان و نحوه جای گذاری آن ها، عملیات با هزینه های زیادی همراه است و انرژی در این سازمان ها تلف می شود. لذا برای بهبود چیدمان، در این مقاله از ترکیب الگوریتم ژنتیک و آتاماتای یادگیر استفاده شده است تا جواب قابل قبول و مناسب برای چیدمان افراد به دست آید. در این مقاله، اطلاعات ساختمان شامل مشخصات فیزیکی طبقات، اتاقها، فاصله آنها از همدیگر و نیز ارتباط بین افراد در نظر گرفته شده است. هرچه ارتباط بین افراد، اتاق ها و طبقات بیشتر باشد، وابستگی آن ها نیز بیشتر بوده و باید نزدیک به هم قرار گیرند. الگوریتم پیشنهادی با نمونه مشابه که بهوسیله الگوریتم ژنتیک پیاده سازی شده است مقایسه شده است و نتایج حاصل نشان میدهد که الگوریتم پیشنهادی بهتر از نمونه مشابه پیاده سازی شده به وسیله الگوریتم ژنتیک عمل می کند.

هدف اصلی کار ارائه شده در این پروژه افزایش سرعت آموزش شبکه های عصبی با استفاده از فرآیند موازی سازی می باشد. در این پروژه سعی بر آن شده است تا از الگوریتم پس انتشار خطا بر روی شبکه های روبه رشد استفاده گردد. امروزه کامپیوترهای موازی بزرگ برای آزمایشگاههای تحقیقاتی و دانشگاه ها در دسترس است. بسیاری از اجراهای شبکه های عصبی در کامپیوترهای موازی گزارش شده است. اگر چه تحقیق کاربردهای عصبی در این پروژه نشان می دهد که اتصال کوچکی بین توسعه دهندگان کاربرد شبکه های عصبی و محققان فعال در زمینه کاربردهای موازی شبکه عصبی وجود دارد. بسیاری از برنامه های آموزشی عصبی اجرایی بر اساس فرضیه های غیر واقعی در مورد کاربردهای واقعی آزمایش شده است. به خودی خود برنامه موازی می تواند به طور تأثیر گذاری برای یک رتبه بزرگ از کاربردهای عصبی اجرا شود. چندین کاربرد از عصب واقعی در این کار برای آزمایش الگوریتم های موازی اجرا شده استفاده شده است. نتایج نشان می دهد نفع در این است که از تابع انعطاف پذیر استفاده شود. برای سیستم های موازی کوچک، بسیاری از اجراهای موازی می توانند به طور موثر آموزش ببینند. اگر چه اهمیت یک کار کاربردی قابل انعطاف برجسته تر از تعداد پردازشگرهایی است که افزایش می یابد؛ بنابراین برای به دست آمدن منفعت بیشتر از سیستم موازی بزرگ و درجات اصلی چندگانه موازی سازی در الگوریتم آموزشی، می بایست روش ترکیب جنبه های الگوریتم آموزشی بر طبق کاربرد عصبی به روز شود. همچنین دو آزمایش بر روی همگرایی پس انتشار شبکه عصبی آموزش دیده گزارش شده است. نتایج نشان می دهد که اگر تقسیم بندی مجموعه آموزشی استفاده شود تعداد بیشتری از تکرارها برای همگرایی در طرح موازی نیاز است. اگر چه همیشه مجموع زمان آموزشی مور نیاز با استفاده از کامپیوتر موازی در رابطه با یک کامپیوتر ترتیبی از ساعت به دقیقه کاهش پیدا کرده است.

مسئله بسته بندی برداری نمونه تعمیم یافته بسته بندی یک بعدی می باشد. هدف این مسئله، بسته بندی بردارهای d-بعدی در بسته های d-ظرفیتی ضمن کمینه کردن بسته های مصرفی می باشد. رهیافت های ارائه شده پیشین غالباً برای نوع خاصی از نمونه های ورودی مناسب بوده و در نتیجه از مشکلاتی نظیر کندی الگوریتم در محاسبه جواب در مجموعه داده های بزرگ یا عدم توجه به اطلاعات ظرفیتی اضافی در هنگام بسته بندی بسته ها رنج می برند. این پژوهش، یک الگوریتم فرامکاشفه ای بسته گرای جدید را ارائه می دهد که به طور کلی کاربرد بیشتری را در مواجهه با دسته های مختلف نمونه های ورودی از خود نشان می دهد و قادر می باشد در مراحل مختلف مسئله، با توجه به میانگین وزن آیتم های باقی مانده، خود را به طور پیوسته با شرایط مسئله تطبیق دهد. روش پیشنهادی با استفاده از کلاس های مختلف داده های تصادفی تولید شده با بهترین الگوریتم های مکاشفه ای موجود مورد مقایسه قرار گرفته است که نتایج حاصل از آزمایش های محاسباتی گسترده حاکی از برتری روش ارائه شده می باشد.

مصرف انرژی همواره موضوع مهمی برای تحقیق در پروتکل های مسیر یابی شبکه های حسگر بی سیم بوده است. امروزه، در شبکه های حسگر بی سیم، پروتکل های مسیریابی مبتنی بر خوشه بندی از طریق تقسیم گره های همسایه به خوشه های مجزا و انتخاب سرخوشه های محلی برای ترکیب و ارسال داده های هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره های شبکه، کارایی خوبی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه ای در مقایسه با سایر روش های مسیریابی به دست می آورند. الگوریتم های زیادی در این زمینه مطرح شده اند و هر کدام به نوعی توانسته اند راه حل هایی برای بهبود مسئله انرژی بیان نمایند. یکی از مشهورترین الگوریتم ها در این زمینه الگوریتم eechs می باشد. در این الگوریتم داده ها به صورت مستقیم برای ایستگاه مبنا ارسال می گردد، در نتیجه مسیر یابی خاصی برای انتقال داده ها به ایستگاه مبنا صورت نمی گیرد. این مسئله باعث می شود، انرژی گره هایی که فاصله زیادی از ایستگاه مبنا دارند به سرعت تخلیه شود. برای حل این مشکل الگوریتم بهبود یافته ای مطرح خواهیم نمود که با تکیه بر فازهای اجرایی الگوریتم فوق، استفاده از دو فاکتور کلیدی دیگر علاوه بر فاکتور های انتخاب سرخوشه در الگوریتم فوق و استفاده از یک الگوی چند گامه جدید برای انتقال داده ها، به مصرف توزیع شده انرژی توسط گره های شبکه کمک می کند. این روش کمک می کند فاصله زمانی بین مرگ اولین گره و آخرین گره به حداقل برسد و پوشش شبکه حفظ گردد.

در حال حاضر، 90 درصد شرکت ها و سازمان ها در کشورهای مختلف را سازمان های کوچک و متوسط تشکیل می دهند. استفاده از معماری سرویس گرا در این سازمان ها، راه کاری جهت کاهش فاصله فناوری اطلاعات و کسب و کار می باشد که موجب چابکی، رقابت پذیری و افزایش قابلیت پاسخ گویی به تغییرات می گردد. شناسایی سرویس، مهم ترین گام در پیاده سازی معماری سرویس گرا است. روش های موجود از منابعی نظیر سیستم های موروثی، پایگاه داده، کد برنامه ها، موجودیت های کسب و کار و اهداف، جهت شناسایی سرویس استفاده می نمایند. ایده اصلی ما، توسعه و خودکارسازی روش های موجود مبتنی بر فرآیند کسب و کار به منظور پوشش ویژگی ها و محدودیت های سازمان های کوچک و متوسط می باشد. مدل سازی فرآیندهای کسب و کار به عنوان منبع اصلی شناسایی سرویس، علاوه بر سادگی، در دسترس بودن و هزینه کم، موجب تطابق سرویس های شناسایی شده با فعالیت ها و کارکردهای سازمان می شود. در این روش، ابتدا ماتریس ارتباطات بین وظایف هر فرآیند، بر اساس مدل فرآیند کسب و کار سازمان ایجاد شده و مقادیر این ماتریس بر اساس شاخص هایی نظیر ارتباط بین وظایف و تعداد فراخوانی های هر وظیفه به روز می گردد. در نهایت با استفاده از الگوریتم بانچ، وظایف موجود در فرآیند به صورتی که وظایف هر خوشه، بیشترین ارتباط داخلی و کمترین ارتباط بین خوشه ای را داشته باشند، خوشه بندی شده و در قالب سرویس معرفی می گردند. نتایج حاصل از مقایسه این روش با سایر روش های شناسایی سرویس، نشان دهنده توجه بیشتر این روش به ویژگی ها و محدودیت های سازمان های کوچک و متوسط و سازگاری بیشتر با این سازمان ها می باشد. همچنین نتایج انجام مطالعه موردی نشان دهنده تطبیق بالای سرویس های شناسایی شده با این روش و نظر کارشناسان خبره سازمان می باشد.

شبکه های حسگر بی سیم در محدوده ی وسیعی از کاربردها از نظامی تا غیر نظامی استفاده می شوند. یک wsn نوعی از تعداد زیادی گره حسگر ساخته شده است. این گره های حسگر توان باطری محدود، قابلیت پردازش داده ی ضعیف و محدوده ی رادیویی کوتاهی دارند. از همه مهم تر، گره های حسگر اغلب به طور تصادفی بر روی نواحی ویژه ای پخش می شوند و در محیط های بدون مراقبت کار می کنند. آنها در معرض همه نوع حمله قرار دارند، از اینرو امنیت اولین نگرانی به شمار می رود. به منظور امن نگه داشتن ارتباطات، داده های مهم باید رمزنگاری شوند و احراز هویت گردند. بنابراین، مدیریت کلید که پیش نیاز رمزنگاری و احراز هویت است، باید با دقت مورد توجه قرار گیرد. در میان تمام مکانیزم های مدیریت کلید برای wsnها، مکانیزم پیش توزیع کلید توازن خوبی بین سربار ذخیره سازی و توان پردازشی فراهم می کند و به عنوان مناسب ترین مکانیزم برای wsn ها مورد بررسی قرار می گیرد. با این وجود گاهی اوقات امکان بروز مشکلات امنیتی همچون تسخیر گره حسگر و لو رفتن ارتباطات میان گره ها وجود دارد. از اینرو یافتن راه حلی برای رفع مشکلاتی از این قبیل مسئله ی پراهمیتی است. فصول ابتدایی این پایان نامه به بررسی و معرفی شبکه های حسگر بی سیم و بیان مسائل امنیتی و حملاتی که این شبکه ها را در معرض خطر قرار می دهند، پرداخته است. تا کنون روش های مدیریت کلید مختلفی برای استفاده در شبکه های حسگر معرفی شده اند، ولی به علت محدوده ی وسیع کاربردهای این شبکه ها و نیازهای امنیتی متفاوت آنها نمی توان یک روش مدیریت کلید منحصر به فرد برای تمامی کاربردها در نظر گرفت و در نتیجه مسئله انتخاب روش مدیریت کلید مناسب برای هر کاربرد اهمیت بسیاری پیدا می کند. در ادامه ی این نوشتار چند طرح مدیریت کلید در شبکه های حسگر بی سیم مورد بررسی قرار می گیرد و یک پروتکل انتقال دهنده ی کلید گروه تایید شده ی بهبودیافته بر مبنای به اشتراک گذاری رمز ارائه می شود.سپس در این پروتکل اصلاحاتی انجام می گیرد و فرم توسعه یافته ی آن بیان می گردد. پس از آن به تشریح طرح جدید ارائه شده و مزایای آن نسبت به طرح های مدیریت کلید پیشین خواهیم پرداخت. در انتها، پایان نامه با ارائه ی نتیجه گیری به پایان خواهد رسید.

شبکه موردی شبکه ای است که توسط گره های بی سیم که می توانند سیار هم باشند تشکیل می شود. در این شبکه ها (لزوماً) از هیچ زیر ساخت پیش ساخته ای استفاده نمی شود. بلکه فقط شامل گره های بی سیم هستند که به کمک ارتباط با گره های همسایه، به گره های غیر همسایه متصل می گردند. در واقع هر گره برای برقراری ارتباط با مقصد باید از گره های دیگر استفاده نماید و به آنها اعتماد کند. به دلیل عدم وجود کنترل مرکزی بر روی ارسال بسته ها، یک گره خرابکار (گره بدرفتار) میانی ممکن است بسته های داده را دور بریزد که این کار می تواند به صورت تبانی و با کمک دیگر خرابکاران باشد. در این پایان نامه روش مقابله با این نوع بدرفتاری در شبکه های موردی سیار بررسی می شود و برای این هدف از روش مبتنی بر تصدیق که توسط بسته تاییدیه مقصد به مبدا انجام می شود، بهره گرفته شده است. از تحلیل های امنیتی و نتایج شبیه سازی برای مقایسه کارایی این روش با روش های دیگر استفاده شده است.

در طراحی برنامه های کاربردی و الگوریتم های شبکه های حسگر بی سیم کاهش مصرف انرژی و افزایش طول عمر شبکه یک موضوع اساسی می باشد. خوشه بندی شبکه های حسگر نقش عمده ای بر مدیریت مناسب تر و مقیاس پذیری این شبکه ها دارد. خوشه بندی به طور قابل توجهی باعث کاهش مصرف انرژی هر یک از حسگرها در یک شبکه حسگر بیسیم می شود و همچنین میزان بار ارتباطی بر روی سرخوشه ها را افزایش می دهد. زیرا مصرف نامتعادل انرژی در میان سرخوشه ها، باعث ایجاد مشکلات اساسی در هنگام استفاده از مدل چند گامی در ارتباطات داخل خوشه ای خواهد شد. لایه بندی یک راه موثر برای به تعادل رساندن مصرف انرژی سرخوشه ها و افزایش طول عمر شبکه می باشد. در این پایان نامه الگوریتم جدید مسیر یابی در شبکه های حسگر بی سیم را از طریق لایه بندی خوشه های نامساوی انجام می دهد. گره ها در خوشه هایی با اندازه نامساوی تقسیم شده و سرخوشه ها در هر لایه از همان ابتدا با توجه به میزان فاصله از ایستگاه مرکزی و میزان انرژی از بین گره ها انتخاب می شوند. بر این اساس چهار نوع سرخوشه با چهار نوع لایه خواهیم داشت. اندازه خوشه ها 10، 25 و 50 درصد ابعاد شبکه می باشد مشخصات فیزیکی حسگر ها متفاوت بوده و در نتیجه شبکه ناهمگن خواهد بود.? نتایج شبیه سازی نشان می دهد که این روش، مصرف انرژی را در میان سرخوشه ها متعادل، و به طور قابل ملاحظه ای طول عمر شبکه را بهبود می بخشد.

ویژگی های منحصر به فرد شبکه های حسگر صوتی زیر آب، مانند توپولوژی پویا و چگالی کمتر، باعث شده است که این شبکه ها، تفاوت زیادی با شبکه های حسگر بی سیم زمینی، داشته باشند. ارتباطات صوتی در شبکه های حسگر زیرآب، برخلاف ارتباط فرکانس رادیویی در شبکه های زمینی، به دلیل شرایط محیط پیرامون، تحت تأثیر عواملی چون اتلاف انتقال، نویز، چند مسیره شدن، پخش دوپلر و تأخیر انتشار بالا و متغیر هستند. علاوه براین، پهنای باند کم، منجر به نرخ خطای بیت بالاتری نسبت به شبکه های حسگر زمینی می شود. گره ها، اغلب با باطری تغذیه می شوند و شارژ مجدد باطری گره ها مشکل است. با توجه به اینکه کشور ما دارای مرزهای آبی طولانی در منطقه خلیج فارس می باشد و این منطقه دارای شرایط نظامی و اقتصادی خاصی است، لذا تحقیق در این زمینه از اهمیت زیادی برخوردار است. تفاوت های اساسی بین انتشار صوت در زیرآب و امواج رادیویی در سطح زمین، ایجاب می کند که معیارهای جدیدی برای طراحی پروتکل های مسیریابی، در شبکه های حسگر زیرآب، در نظرگرفته شود. در این پایان نامه، پس از یررسی و شناخت مسائل مربوط به محیط زیر آب، یک پروتکل مسیریابی ارائه شده است که با توجه به اهمیت انرژی مصرفی در شبکه های حسگر زیرآب، مصرف انرژی را در ارتباطات بین گره های حسگر تا حد مطلوبی کاهش داده و بدین ترتیب طول عمر شبکه را افزایش داده است. پروتکل ارائه شده با استفاده از نرم افزار شبیه ساز ns2 با پروتکل مشابه، dbr، مقایسه شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی نه تنها مصرف انرژی کلی و در نتیجه طول عمر شبکه را نسبت به dbr تا حد قابل ملاحظه ای بهبود بخشیده است، بلکه تأخیرانتها به انتها را نیز تا حد مطلوبی کاهش داده است.

چکیده این تحقیق درصدد است تا به ارزیابی عوامل تاثیر گذار بر تمایل مشتری به خرید مجدد بسنجد. تحقیق ازدیدگاه هدف کاربردی، از نظر نحوه گرد آوری داده ها، توصیفی- پیمایشی و مهمترین ابزار جمع آوری داده های آن پرسشنامه می باشد که بر اساس مقیاس 7 مرتبه ای لیکرت طراحی و تدوین شده است. تعداد نمونه انتخابی برابر با 480 نفر می باشد که از میان دانشجویان دانشگاههای شهر شیراز به طور تصادفی ساده انتخاب شده اند. به منظور سنجش فرضیات تحقیق از روش همبستگی استفاده گردیدو نیز توسط روش تحلیل مسیر نیز مورد تایید قرار گرفت.. برای محاسبات و تحلیل های آماری از نرم افزار spss کمک گرفته شده است. نتایج تحقیق نشان می دهد تمام عوامل پیش بینی شده یعنی ادراک کاربر از سهولت استفاده، ادراک کاربر از مفید بودن، اعتماد و لذت ، عوامل محیطی و زیر عوامل آن ، عوامل بازاریابی و زیر عوامل آن ، عوامل فناوری اطلاعات و زیر عوامل آن بر تمایل به خرید مجدد مشتری در خرید آنلاین تاثیرگذار بودند. هم چنین در روابط بین متغیرها با اعتماد نتایج تحقیق حاکی از آن است که میان تعهد، حفظ اطلاعات شخصی، دردسترس بودن سیستم و اعتماد رابطه معناداری وجوددارد . واژگان کلیدی تمایل به خرید مجدد، خرید آنلاین.

مسئله مهم و چالش برانگیز در ترکیب وب سرویس ها، چگونگی برآورده سازی نیازمندی های کیفیسرویس ها می باشد. برآورده کردن این نیازمندی ها در ترکیب سرویس های وب با در نظر گرفتن qosرا می توان به چند زیرمسئله تقسیم نمود از جمله چگونگی انتخاب وب سرویس ها،چگونگی در نظر گرفتن محدودیت های وابستگی و تضادهای بین سرویسی در فرآیند ترکیب، چگونگی تشخیص اشکالات و خرابی های حین اجرای سرویس مرکب و بهبود و اصلاح این اشکالات و خرابی ها را می توان ذکر نمود. در این تحقیق،زیرمسئله چگونگی تشخیص اشکالات و خرابی های احتمالی بوجود آمده در حین اجرای سرویس مرکب مورد بررسی قرار گرفته و تلاش گردیده راه کاری جهت بهبودی و اصلاح اشکالات بوجود آمده ارائه گردد. همچنین در این تحقیق سعی گردیده محدودیت های وابستگی بین سرویسی در فرآیند ترکیب سرویس ها در نظر گرفته شود. برای نیل به این اهداف از دو تکنیک بهره گرفته شده است. اولین رویکرد استفاده از پیش بینی خرابی وب سرویس هابا بهره جستن از تشابه مفادی است که موجب افزایش راندمان در جایگزین یابی و جانشانی سرویس معیوب گردیده و امکان بهبودی سریع فرآیند ترکیب را میسر می سازد. دومین رویکرد استفاده از الگوریتم ژنتیک ترکیبی برای پروسه انتخاب اولیه و انتخاب مجدد در فرآیندترکیب می باشد زیرا توانایی خوبی جهت در نظر گرفتن محدودیت های گوناگون را دارا می باشد. نتایج حاصله از تحقیق نشان می دهند که استفاده از این دو رویکرد زمان محاسبه را به طور چشم گیری کاهش می دهد، هرچند در ارتقاء qos سراسری تأثیر چندانی را موجب نمی گردد.

امروزه، پیشرفت سریع فناوری ساخت و تولید ابزارها و نرم افزارهای قدرتمند ویرایش تصویر (همچون فتوشاپ و ...)، و دسترس پذیری و سهولت استفاده از آن ها، سبب شده است تا ویرایش، دستکاری و تحریف (مغرضانه ی) تصاویر دیجیتال، به کار آسانی تبدیل شود. تحریف تصاویر دیجیتال انواع مختلفی دارد. یکی از رایج ترین این تحریف ها، با کپی برداری از ناحیه ی خاص یک تصویر و درج آن در ناحیه ی دیگری در همان تصویر، ایجاد می شود که به آن تحریف نوع کپی-انتقال ، می گویند. این تحریف، ممکن است روی تصاویر بزرگ با اندازه ی دلخواه، انجام شود. این در حالی است که، با افزایش اندازه ی تصویر، هزینه های زمانی و فضایی الگوریتم شناسایی نیز، افزایش می یابد. لذا، در راستای افزایش توان، و کاهش هزینه ی زمانی و فضایی این الگوریتم ها، روش های مختلفی مطرح شده است. برخی از آن ها مانند لییو و همکاران (2011)، از مُمان های هندسی (میانگین وزن دار) پیکسل های تصویر، جهت شناسایی بهتر و سریع تر این نواحی، استفاده می کنند. لذا با توجه به اهمیت این موضوع، معرفی روشی سریع، کم هزینه و درعین حال دقیق و قدرتمند، جهت شناسایی این نوع تحریف ها، ضروری به نظر می رسد. در این تحقیق، با آزمایش و مقایسه ی مقاومت، قدرت تفکیکی، هزینه ی زمانی و فضایی سی و یک مُمان هندسی رایج در تشخیص الگو و به کارگیری مُمان مناسب تر، علاوه بر بهبود سراسری قدرت و دقت تشخیص روش لییو و همکاران (2011)، هزینه ی محاسباتی و فضایی آن نیز، به ترتیب به 4/0 و 25/0 تقلیل یافته است، به طوری که می توان از آن، جهت تشخیص سریع تر و بهتر تحریف نوع کپی- انتقالِ تصاویر بزرگ، استفاده نمود.

مسئله، هوشمند کردن آموزش است و هدف آموزش هوشمندانه، یادگیری سریع تر و با درک بیشتر است. ما علاقمند به آموزشی هستیم که هوشمندانه باشد تا بتوانیم به کمک آن مسئله حل کنیم. آموزش هوشمندانه به معنای مجموعهِ رَوش ها و مَنش هایی است که منجر به یادگیری موثر و بهره ور شود که یکی از جنبه های آن، به کارگیری هوش جمعی در آموزش است تا بدین ترتیب از مزایای آن که هماهنگی، کاهش هزینه ها و کاهش سرگردانی و پریشانی است استفاده کنیم و به کیفیت در آموزش برسیم و به دنبال آن، زندگی بهتری داشته باشیم، زیرا برای آموزش، مرزی قابل تصور نیست و محدوده آن منحصر به سیستم های آموزشی نمی شود. بر اساس مطالعات انجام شده در این زمینه، الگوریتم های هوش جمعی، در سیستم های آموزشی به کار گرفته شده و منجر به کیفیت در آموزش شده است، اما آنچه مد نظر این پایان نامه است استخراج ویژگی های مشترک رفتار جمعی برخی از حیوانات و حشرات اجتماعی در یافتن غذا و بهره برداری از آن و استفاده از این ویژگی ها برای چارچوب هوش جمعی به منظور هوشمند کردن آموزش است تا در گام بعدی، از این چارچوب در نرم افزارها استفاده کنیم و بتوانیم نمونه های کاربردی آموزشی را که پیچیده هستند و حل آن ها سخت می باشد، با کیفیت بیشتری حل کنیم، زیرا فن آوری به ما کمک می کند تا بتوانیم این مسائل را بهتر حل نماییم. در این راستا و به منظور شکل گیری چنین چارچوبی، مطالعاتی را در زمینه کاربرد الگوریتم های هوش جمعی در سیستم های آموزشی و همچنین رفتار جمعی مورچه ها، زنبورهای عسل، پرندگان و ماهی ها در یافتن غذا و جمع آوری آن انجام داده ایم و ویژگی هایی را در این زمینه دسته بندی کرده ایم که در قالب یک چارچوب ارائه می شود. در گام بعد، یک مدل نرم افزاری را برای آماده سازی برنامه ای به منظور شبیه سازی این چارچوب ارائه می کنیم چرا که این چارچوب، جزء نوآوری های این تحقیق می باشد و برای آزمودن آن به پیاده سازی چنین برنامه ای نیاز است. خروجی های این برنامه نتایج قابل قبولی از هوش جمعی را ارائه می کنند تا در گام های بعدی و با مطالعات بیشتر در زمینه رفتار جمعی حیوانات و حشرات اجتماعی و همچنین توسعه مدل نرم افزاری ارائه شده، کامل تر گردد.

در طراحی برنامه های کاربردی و الگوریتم های شبکه های حسگر بی سیم کاهش مصرف انرژی و افزایش طول عمر شبکه یک موضوع اساسی می باشد. امروزه، در شبکه های حسگر بی سیم، پروتکل های مسیریابی مبتنی بر خوشه بندی از طریق تقسیم گره های همسایه به خوشه های مجزا و انتخاب سرخوشه های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه ای در مقایسه با سایر روش های مسیریابی به دست می آورند.بنابراین خوشه بندیِ شبکه های حسگر نقش عمده ای بر مدیریت مناسب تر و مقیاس پذیری این شبکه ها دارد. در این تحقیـق یک روش جدید مسیـریابی خوشه بندی توزیـع شـده با استـفاده از بهبـود الگوریتــم k-means در شبکه های حسگر بی سیم ارائه خواهیم داد. در الگوریتم ارائه شده با گرید بندی شبکه و انتخاب نقاط اولیه الگوریتم k-means به روشی قانونمند ، مشکلات مربوط به الگوریتم k-means را برطرف نموده و خوشه ها را تشکیل دهیم .همچنین با در نظر گرفتن پارامترهای میزان انرژی باقیمانده ی هر حسگر ، میانگین انرژی حسگرهای هر خوشه، تعداد همسایگان هر حسگر و فاصله هر حسگر تا ایستگاه مبنا ، تابع بهینه برای انتخاب بهترین سرخوشه را ایجاد نماییم . پس از تشکیل خوشه ها، انتقال اطلاعات از سرخوشه ها به ایستگاه مبنا با ترکیبی از روش های تک گامی و چندگامی انجام شده است تا از مزایای هر دو روش استفاده شود. نتایج شبیه سازی نشان می دهد که الگوریتم ارائه شده طول عمر، مقیاس پذیری و میانگین مصرف انرژی شبکه را نسبت به الگوریتم های خوشه بندی که قبلاً ارائه شده همانند eeuc,leach به میزان قابل توجهی بهبود می دهد.

صرفه جویی در مصرف انرژی به دلیل محدود بودن منابع آن، از مهم ترین مشکلات مطرح در شبکه های حسگر بی سیم است و ارائه راهکاری که با صرف انرژی کمتر، باعث افزایش طول عمر شبکه شود، مورد نظر همه الگوریتم های ارائه شده در این زمینه است. خوشه بندی در شبکه های حسگر نقش عمده ای در به اشتراک گذاری منابع، استفاده موثر از آن و مقیاس پذیری این شبکه ها دارد زیرا با تقسیم محیط شبکه به خوشه های مجزا، از تعداد حسگرها برای انتقال داده ها به چاهک و در نتیجه سربار اضافی ناشی از آن کاسته می شود. در این تحقیق با در نظر گرفتن دو پارامتر فاصله و انرژی، مرکز ثقل و مرکز انرژی در هر خوشه محاسبه می شود که از این نقاط در انتخاب سر خوشه استفاده می شود. با انتخاب سرخوشه مناسب، علاوه بر افزایش کارایی و طول عمر شبکه، مصرف انرژی به میزان قابل توجهی نسبت به الگوریتم های مشابه اش کاهش می یابد. این الگوریتم طی انتقال تک گامی و چند گامی طراحی و پیاده سازی شده و کارآمدی آن توسط نتایج شبیه سازی نشان داده می شود.

هدف از انجام این پژوهش امکان سنجی و ارزیابی جهت آمادگی برای پیاده سازی سیستم هوش تجاری در سازمان ها می باشد تا ابعاد، شاخص ها، تعیین رتبه و تاثیر آنها برای استقرار سیستم جدید فراهم شود. انجام یک پروژه و استقرار یک سیستم جدید نیاز به امکان سنجی، ارزیابی، بررسی و مطالعه روی آن می-باشد تا با آمادگی و اطلاعات کافی آنرا به سرانجام رساند. برای تحقیق حاضر شهرداری ساری به عنوان سازمان مورد مطالعه موردی انتخاب شده است. لذا برای پیاده سازی سیستم هوش تجاری در شهرداری ساری نیاز به آمادگی های لازم براساس ارزیابی های انجام شده می باشد. از انگیزه مهم این تحقیق می توان گفت چگونه یک سازمان می تواند از ابزارهای نوین دنیا بهره ببرد و چگونه با داشتن ابزار و پشتیبان قوی مشکلات و چالشهای سازمان را تسهیل نماید. از آن جایی که انتخاب ابعاد و شاخص های مناسب جهت دستیابی به مدل نهایی دلخواه مستلزم تحقیق و مطالعه می باشد، ارائه آن به بعد از شناسایی، معرفی، ارزیابی ابعاد و شاخص های مختلف موکول گردید. با استفاده از ابزارهای ارزیابی روی این ابعاد و شاخص ها این آمادگی را می توان ایجاد کرد که هوش تجاری با چند بعدی بودن مولفه هایش در سازمان پیاده سازی شود که کمتر از عملی ساختن آن در تحقیقات مشابه انجام شده است. ارزیابی آمادگی می-تواند میزان و ابعاد موثر دخیل در پیاده سازی سیستم را نشان دهد و مشخص می کند کدام بعد چه تاثیری در روند پیاده سازی دارد. این تحقیق از نظر هدف، کاربردی و از دیدگاه انجام و گردآوری اطلاعات، توصیفی – پیمایشی می باشد. بر اساس هدف تحقیق پس از بررسی مبانی نظری و ادبیات تحقیق و پیشینه تحقیقات انجام شده، 5 بعد و 23 شاخص برای پیاده سازی سیستم هوش تجاری در شهرداری ساری شناسایی و معرفی شدند تا با ارزیابی و مطالعات روی ابعاد و شاخص ها، مدل تحلیلی مناسب استخراج شود. ابعاد شناسایی شده عبارتند از: ابعاد مدیریتی، منابع انسانی، فنی، مالی و عملیاتی. پس از مراجعه، بررسی و ارزیابی به هر یک از ابعاد و شاخص ها پرسشنامه ای بر اساس شاخص های مدل تدوین گردید و روایی آن تایید شد. جامعه آماری تحقیق را کارکنان شهرداری ساری تشکیل می دهند که با استفاده از فرمول کوکران 200 نفر به عنوان نمونه آماری انتخاب گردیدند که به همین تعداد پرسشنامه در میان آنها توزیع گردید. بعد از جمع آوری پرسشنامه، تجزیه و تحلیل داده ها و ارزیابی سیستم نشان می-دهد آمادگی های لازم برای پیاده سازی و استقرار سیستم هوش تجاری در سازمان مربوطه وجود دارد. نتایج به دست آمده این گونه است: از عوامل و ابعاد پنج گانه بالاترین امتیاز مربوط به ابعاد نیروی انسانی و مدیریتی است و ابعاد عملیاتی، مالی و فنی در رتبه های بعدی قرار گرفتند. در پایان پژوهش با توجه به ارزیابی انجام شده و آمادگی های لازم برای بهبود وضعیت سیستم هوش تجاری جهت پیاده سازی راهکارهایی در سازمان ارائه شد.

امروزه یکی از مهمترین چالش ها در زمینه امنیت اطلاعات و شبکه های ارتباطی، گسترش روزافزون بدافزارها است که به دنبال آن، یافتن راه های مناسب جهت حفاظت سیستم ها در مقابل نفوذگران الزامی است . یکی از مشکلات اساسی برای درک صحیح رفتارهای مخرب و گرایش های جدید در توسعه بدافزارها، این است که بدافزارها نیز مانند کامپیوترها و نرم افزارها به سرعت توسعه و بهبود می یابند و روز به روز، از روش های پیچیده تری برای گریز از تشخیص بهره می گیرند. لذا روش¬های سنتی، مانند تطابق چند رشته کد از امضای بدافزارها، که قادر به شناسایی بدافزارهای ناشناخته و جدید نبوده و میزان هشدارهای نادرست بالایی دارند، به تنهایی کارایی لازم جهت تشخیص بدافزارها را ندارند. در اینجاست که تشخیص هوشمند به موازات پیچیده¬تر شدن بدافزارها مورد توجه قرار گرفته¬است. روش های هوشمند کنونی، با تکیه بر تکنیک های یادگیری ماشین، کمک به درک سریع تر رفتارهای مخرب کرده و، در نتیجه، راه را برای تشخیص و ارزیابی بدافزارها هموارتر ساخته اند. باتوجه به اهمیت این موضوع، ایده اصلی ما، ارائه یک سیستم تشخیص بدافزار با توانایی درک معنایی است که با استفاده از جریان اطلاعات یعنی روابط میان داده ها و استنتاج آنها، بدافزار را شناسایی کرده و، سپس، با استفاده از طبقه بندی ابعادی پیشنهادی، بدافزار شناسایی شده را به درستی به خانواده مربوط به خود اختصاص می دهد. چارچوب پیشنهادی به معرفی یک سیستم تشخیص نفوذ توزیع شده در سطح شبکه می پردازد که شناسایی بدافزارها را با استفاده از مفاهیم هستان شناسی انجام داده و آن ها را به خوبی طبقه بندی می کند. سیستم ارائه شده، قادر به شناسایی حملات ناشناخته بوده و بهبود قابل ملاحظه ای در نرخ تشخیص، نسبت به سایر روش ها داشته، ضمن اینکه نرخ هشدارهای نادرست آن، در مقایسه با سایر روش ها پایین تر است.

چکیده در سال های اخیر مزایای رایانش ابری توجه بسیاری را به خود معطوف کرده و سرعت گرفتن توسعه آن، میزان استفاده از منابع انرژی را در حوزه فناوری اطلاعات به شدت افزایش داده است. مراکز داده ابری با بهره گیری از فناوری مجازی سازی، امکان مدیریت ماشین های مجازی را با هدف کنترل مصرف انرژی و کاهش انتشار گازهای گلخانه ی فراهم می آورند. در این تحقیق ما با ایجاد بهبودهایی در تمام مراحل مدیریت ماشین های مجازی سعی در ایجاد تعادلی بین کمینه سازی مصرف انرژی و بیشینه سازی کیفیت سرویس ارائه شده داریم. استفاده از هر دو روش تحلیل آماری و تعیین پویای آستانه ها، با هدف جلوگیری از مهاجرت های غیر ضروری، ما را برای رسیدن به این تعادل کمک خواهد کرد. اکثر کارهای انجام شده در زمینه مدیریت ماشین های مجازی، انرژی سربار حاصل از مهاجرت زنده ماشین های مجازی را در نظر نمی گیرند، و فقط افت کارایی حاصل از مهاجرت را لحاظ می کنند. اما روش ما هر دو مسئله سربار انرژی و افت کارایی را در تمام مراحل مدیریت ماشین های مجازی در نظر می گیرد. تخصیص منابع به ماشین های مجازی، از مسائل مهم موجود در مدیریت ماشین های مجازی می باشد، که با اضافه کردن چندین پارامتر بهره وری انرژی، به روش پیشنهادی، استقرار ماشین های مجازی بر روی بهترین میزبان ها، از لحاظ بهره وری انرژی صورت خواهد گرفت. شبیه سازی بر روی میزبان هایی با ویژگی های متفاوت و با استفاده از بارکاری حاصل از دنیای واقعی، بیانگر قابلیت روش ما در کاهش مصرف انرژی و کاهش خطای قرارداد سطح سرویس در مقایسه با دیگر روش های مدیریت ماشین های مجازی می باشد.

در رایانش ابری کاربران متعدد می توانند تعدادی از خدمات ابری را به طور همزمان درخواست کنند، بنابراین، به رویکردی چندهدفه نیاز داریم که تمامی منابع در دسترس به درخواست کاربر را در شیوه ای کارآمد ارائه دهد. ازاین رو، باید به دنبال تخصیص الگوریتم هایی برای مدیریت انرژی کارآمد باشیم. با توجه به اهمیت این موضوع، ایده اصلی ما، یک روش موثر مدیریت منابع انرژی در مراکز داده ابری با استفاده از رویکرد پرندگانpso است که مصرف انرژی و هزینه های عملیاتی را کاهش می دهد. درpso هر راه حل که به آن یک ذره گفته می شود، معادل یک پرنده در الگوی حرکت جمعی پرندگان است. اساس کار pso بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی اش وجود دارد، تنظیم می کند. به کارگیری رویکرد پرندگان، به دلیل سرعت همگرایی بالا در رسیدن به هدف است

در این پژوهش برای پیش‏بینی بیماری عروق کرونر مدلی با استفاده از تکنیک داده‏کاوی شبکه های عصبی ارائه شده ‏است. مجموعه داده مورد استفاده دارای 13,228 رکورد مربوط به افراد آنژیوگرافی شده (4,059 رکورد فاقد بیماری عروق کرونر و 9,169 رکورد مبتلا به بیماری عروق کرونر) بوده و شامل ریسک فاکتورهای پیش‏بینی کننده سن، جنس، چاقی، چاقی شکمی، سابقه خانوادگی، مصرف سیگار، چربی خون، دیابت و فشارخون می باشد. مدل‏های تولید شده در این تحقیق با استفاده از آنالیز منحنی roc مقایسه و بهترین مدل با سطح زیر منحنی 750/0 انتخاب گردید. مدل نهایی داری دقت 53/74%، حساسیت 34/93% و ویژگی 27/32% است که نشان می‏دهد علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که به اشتباه آنژیوگرافی شده‏اند را نیز شناسایی می‏کند. همچنین، بکار‏گیری تکنیک‏های گزینش متغیر در این مطالعه نیز نتایج خوبی در زمینه کاهش پیچیدگی مدل بهمراه داشت و منجر به تولید مدلی با دقت 38/74% و متشکل از تنها چهار ریسک فاکتور سن، جنس، دیابت و فشارخون بالا گردید.

در اکثر پروتکل های مسیریابی در شبکه های موردی و حسگربی سیم پیغام های کنترلی در کل شبکه پخش می شود تا به کل گره ها برسد. سربار زیاد غرق کردن باعث مصرف انرژی محدود گره ها می شود. به علاوه، میزان تداخل و برخورد افزایش پیدا می کند و نرخ تحویل داده به تبع آن کاهش می یابد. در شبکه های حسگر بی سیم نیز ترافیک روی گره هایی که در نزدیکی چاهک قرار دارند زیاد است که موجب نابودی زود هنگام این گره ها می شود اولین روش به اسم dgossip برای کاهش تعداد ارسال ها در هنگام غرق کردن در شبکه موردی ارائه کرده ایم و روش خود را روی پروتکل aodv پیاده کرده ایم. aodv از غرق کردن پیغام های کنترلی برای کشف مسیر استفاده می کند. شبیه سازی ها نشان می دهند که روش dgossip سربار کنترلی aodv را به اندازه ی حداقل ??? کاهش می دهد و به همین دلیل نرخ تحویل داده نیز افزایش می یابد. روش دوم به اسم sinkm برای تحقق دو هدف برای شبکه های حسگر بی سیم ارائه کرده ایم. هدف اول کاهش ارسال بسته های کنترلی و داده ای با بهره گرفتن از روش شایعه پراکنی می باشد و هدف دوم توزیع مصرف انرژی در سراسر شبکه با آگاهی گره ها از سطح انرژی خود است. روش sinkm با روش غرق کردن و شایعه پراکنی مقایسه شده که زمان نابودی گره ها در روش پیشنهادی دوبرابر نسبت به روش غرق کردن سیل آسا به تاخیر می افتد و صرفه جویی قابل ملاحظه ای در مصرف انرژی داریم