بحران‎های اجتماعی ـ سیاسی در تمامی کشورها و خصوصا کشورهای جهان سوم همواره خودنمایی می‎کنند و موضوع مدیریت این بحران ها از اهمیت خاصی برای مسئولان و دولتمردان برخوردار است. کشور ما نیز بنا به موقعیت ژئوپلتیک خود و دیگر عوامل موثر جزو کشورهای بحران خیز از این حیث محسوب می‎شود. صدا و سیمای جمهوری اسلامی ایران با توجه به جایگاهی که در نظام دارد یکی از بازیگران اصلی در مهار بحران‎های اجتماعی- سیاسی محسوب می شود که انتظارات فراوانی از آن از سوی جامعه و مردم وجود دارد، بنابراین دستیابی به یک الگوی جامع و کارآمد جهت مدیریت بحران‎های یاد شده توسط رسانه ملی بسیار حائز اهمیت است و گام اول در این میان بررسی عملکرد صدا وسیما در بحران‎های مزبور در سال های گذشته است. با توجه به ماهیت تحقیق از روش پیمایشی برای بررسی موضوع تحقیق استفاده شده است. جامعه آماری این تحقیق شامل کلیه مدیران ارشد سازمان شامل معاونین، قائم مقام های آنها، مدیران مراکز مستقل و استانی و مدیران شبکه های صدا و سیما است که تعداد آنها 75 نفر می باشد. با توجه به محدود بودن جامعه تحقیق ، کل جامعه آماری مورد مطالعه قرار گرفته است. داده های اصلی تحقیق به روش میدانی و با استفاده از پرسشنامه بسته پاسخ با مقیاس لیکرت جمع آوری شده اند. آزمون روایی پرسشنامه به روش صوری و پایایی آن پس از انجام تغییرات و اصلاحات لازم در پرسشنامه و محاسبه ضریب آلفای کرونباخ آن 87 درصد بدست آمد. در تجزیه و تحلیل داده های تحقیق از هر دو روش آمار توصیفی و استنباطی بهره گیری شده است. نتایج بدست آمده از آزمون دو جمله ای نشان داد عملکرد صدا و سیما در دو مرحله مقابله با بحران و بازیابی جامعه پس از بحران قابل قبول بوده، لکن در مورد پیش بینی، پیشگیری و یادگیری از بحران عملکرد مناسب نداشته است. نتایج حاصل از آزمون تحلیل واریانس نیز نشان می دهد که از دید پاسخ دهندگان پیش بینی بحران مهمترین مرحله از بین مراحل پنجگانه مدیریت بحران می‏باشد. همچنین نتایج مصاحبه های انجام گرفته با 12 نفر از خبرگان مدیریت بحران در صدا و سیما بیانگر اینست که پیش بینی، پیشگیری و یادگیری جزو وظایف و کارکردهای اصلی رسانه ملی در مدیریت بحران‎های اجتماعی- سیاسی می باشد. تحلیل مصاحبه های انجام گرفته به روش کیفی نشان داد که الگوی مطلوب مدیریت بحران در صدا وسیما یک الگوی دوازده مرحله ای است که به ترتیب شامل پیش بینی، پیش گیری، یادگیری، هشدار و مصونیت، بسیج منابع، پاسخگویی سریع، امداد، عملیات ویژه، مهار، بازیابی، بازسازی و یادگیری می باشد.

با گسترش روزافزون رسانه های ذخیره سازی الکترونیکی و رسانه های ارتباطی، و همچنین پیشرفت سریع علم کامپیوتر و فراگیر شدن آن، امروزه با حجم عظیمی از متون نوشتاری دیجیتال و اسناد الکترونیکی مواجه هستیم. با گسترش اینگونه اسناد، پردازش اسناد و متون مورد نظر از بین حجم عظیمی از اطلاعات متنی به صورت دستی کاری دشوار و در عمل غیرممکن خواهد بود. از این رو پردازش خودکار متون نوشتاری مورد توجه قرار می گیرد. برای انجام پردازش خودکار متون نوشتاری به کوچکترین واحد معنی دار متن یا کلمات بامفهوم نیاز داریم. از این روست که نشانه گذاری به معنی تشخیص و استخراج این کلمات بامفهوم یا نشانه ها از متون نوشتاری، به یکی از مسائل اساسی در پردازش زبان های طبیعی تبدیل شده است. از جمله کاربردهای نشانه گذاری در موتورهای جستجو هست. با توجه به ساختار زبان فارسی، در این زبان با مشکلات خاص خود مواجه هستیم. وجود رسم الخط های مختلف و سبک های نگارش متفاوت در زبان فارسی، باعث شده فاصله، معیار قطعی و دقیقی برای تشخیص مرز کلمه نباشد. ابهام یونیکد برای حروف "ک" و "ی"، افعال و کلمات مرکب، تولید کلمات جدید و همچنین ورود واژه ها از زبان های دیگر که در بکارگیری حروف برای نوشتن این کلمات ابهام ایجاد می کند، از دیگر مشکلاتی هستند که برای نشانه گذاری، با آن ها روبه رو هستیم. در فصل دوم با بررسی اهم روش های نشانه گذاری، به این نتیجه رسیدیم که تعداد زیادی از الگوریتم های نشانه گذاری، زیر مجموعه یکی از چهار دسته کلی تر روش های مبتنی بر قواعد، آماری، مبتنی بر فرهنگ واژگان و یادگیری بوده، که هرکدام مزایا و معایب خود را دارند. با بررسی روش های انجام شده برای زبان فارسی، مشخص شد اکثر این روش ها با استفاده از روش های مبتنی بر قواعد و مبتنی بر فرهنگ واژگان به نشانه گذاری می پردازند. از جمله مشکلات این روش ها می توان به نیاز داشتن دانش زبان شناسی اعم از معنایی و نحوی، کاربردی نبودن برای زبان هایی با استثنائات زیاد و شکست خوردن در مواجه با کلمات جدید اشاره کرد. با توجه به محدود بودن این روش ها، جواب حاصل از آن ها، در مقایسه با روش های آماری و یادگیری از اطمینان کمتری برخوردار است. برای استفاده از روش های آماری و یا یادگیری نیاز به یک پیکره متنی است. پیکره ای که بتوان با استفاده از آن، اطلاعات آماری را برای روش های آماری استخراج کرد و یا پیکره ای برچسب خورده با مقوله نحوی که نشانه گذاری شده اند و یکی از مناسب ترین منابع زبانی برای یادگیری قواعد نشانه گذاری در روش های یادگیری می باشند. توجه به این نکته ضروری به نظر می رسد که نشانه گذاری برای موضوعات گوناگون، روند متفاوتی را می طلبد، و ممکن است نشانه گذاری که برای سیستم تشخیص گفتار طراحی شده باشد، برای یک سیستم ترجمه ماشینی نتیجه مطلوبی نداشته باشد. از این روست که برای هر هدفی باید نشانه گذار متناسب با آن هدف طراحی کرد. از طرف دیگر هیچ یک از روش های ارائه شده برای زبان فارسی به جهت استفاده در موتورهای جستجو طراحی نشده اند و با توجه به اینکه در موتورهای جستجو مطلوب آنست که علاوه بر افعال مرکب و اسامی جمع، کلمات همسایه ای که به هم وابستگی معنایی دارند از جمله صفت وموصوف و مضاف ومضاف الیه نیز به عنوان یک نشانه در نظر گرفته شوند، بنابراین روش های موجود برای استفاده در موتورهای جستجو کارائی لازم را از خود نشان نمی دهند. هدف از انجام این پایان نامه، پیشنهاد سیستمی برای نشانه گذاری کلمات متون و نوشته ها جهت استفاده در موتورهای جستجو بود. برای این منظور با استفاده از روش های آماری و شبکه های عصبی، سعی بر طراحی سیستمی شد که بتواند اهداف ذکر شده را تحقق بخشد. در فصل سوم ایده ی اصلی برای نشانه گذاری کلمات مطرح گردید. در فصل مذکور روش آماری پیشنهادی ارائه گردید. در روش پیشنهادی که شامل 4 فاز بود، متن نوشتاری به عنوان ورودی به فاز اول داده می شد و نشانه ها از فاز آخر دریافت می گردید. با استفاده از فراوانی تکرار دوکلمه ای ها و فاصله فراوانی تکرار دوکلمه ای های همسایه، عبارات نشانه گذاری شدند. سپس ایده استفاده از شبکه های عصبی ارائه گردید که کارائی روش آماری پیشنهادی را بهبود بخشید. این روش با استفاده از شبکه های عصبی به دسته بندی عباراتی که از فاز 3 به فاز 4 آمده بودند، پرداخت. شبکه طراحی شده با بهره گرفتن از ویژگی هایی چون فراوانی تکرار تک کلمات، فراوانی تکرار دوکلمه ای ها و تعداد کلمات عبارات، عبارات فاز چهارم را به یکی از دو دسته نشانه یا غیرنشانه تخصیص می داد. نتایج حاصل از پیاده سازی نشان دادند روش های آماری پیشنهادی و بهبودیافته، باعث بهبود قابل توجهی در روش معمول شده اند. روش معمول می توانست در حدود 62/3? از کلمات متون مختلف را به درستی نشانه گذاری کند که با اعمال روش های آماری پیشنهادی و بهبودیافته، میانگین بازدهی سیستم به ترتیب به 81/4? و 89/6? افزایش یافت.

در مباحث امنیت سیستم ها و شبکه های کامپیوتری، منظور از تشخیص نفوذ، تشخیص آن دسته از حملات و نفوذ هایی است که با استفاده از مکانیزم های معمول پیشگیرانه، ازجمله روش های هویت شناسی و اعتبارسنجی، کنترل دسترسی، حفاظ و رمزنگاری، امکان پیشگیری از بروز آن ها وجود ندارد. یکی از روش های موجود در تشخیص نفوذ، بهره گیری از شبکه های عصبی مصنوعی می باشد، که هم برای تشخیص سوءاستفاده، بر اساس الگوهای حملات از قبل شناخته شده و هم برای تشخیص ناهنجاری، بر اساس نمایه های نرمال، می تواند به کار گرفته شود. در این پایان نامه یک سیستم تشخیص نفوذ مبتنی بر شبکه های عصبی بدون ناظر معرفی می گردد. این سیستم امکان آموزش، تست، به کارگیری شبکه عصبی بدون ناظر som را در یک سیستم تشخیص نفوذ فراهم می آورد. روش محاسبه ویژگی های انتخاب شده برای شبکه عصبی som در تشخیص نفوذ محاسبه آنتروپی ویژگی ها است که کمترین مقادیر در 41 ویژگی محاسبه شده و به شبکه داده می شود. ارزیابی بر اساس مجموعه داده های kdd cup 99 انجام گرفته است.

این تحقیق نشان می دهد تکنیک های برنامه نویسی ژنتیک را می توان به طور کارآمدی برای انتخاب ویژگی های مناسب برای تشخیص اتوماتیک مدولاسیون به کار برد. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود؛ در این رابطه، انتخاب ویژگی مناسب تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در این تحقیق مدل مورد نظر طراحی و در بسترهای نرم افزاری و سخت افزاری مربوطه پیاده سازی گردید. شبیه سازی با سیگنال های مدوله شده با مشخصه سیگنال به نویز پنج و ده دسی بل صورت گرفت. داده های آموزش و تست از داده های محیط کار واقعی تولید شدند. مجموعه ای از آزمایش ها در این پژوهش صورت گرفت که هدف از آن ها تعیین میزان کارایی برای سیگنال های مدوله شده با مدولاسیون های پرکاربرد و متداول مخابراتی بوده است. نتایج حاصل نشان می دهد به کارگیری ویژگی هایی که سیستم مورد نظر پیشنهاد می دهد، منجر به افزایش قابل توجه ای در تشخیص دقیق تر و سریع تر نوع مدولاسیون می شود. هم چنین در این پژوهش تعدادی از جداکننده های پرکاربرد جهت جداسازی مدولاسیون ها با استفاده از ویژگی های ایجاد شده توسط برنامه نویسی ژنتیک آزمایش شدند و ساختارهای مختلف آن ها مورد بررسی قرار گرفت که منجر به دستیابی به مقادیر مناسب تر برای سیستم مورد نظر گردید.

جستجو در اینترنت کنونی به امری پیچیده تبدیل شده است. دلیل این امر رشد روزافزون در تصاویر موجود در وب می باشد. برای جستجوی تصاویر دلخواه کاربر، به یک موتور جستجوی کارامد نیاز است تا در کمترین زمان ممکن، متناسب ترین تصاویر با پرس وجوی کاربر را به او ارائه نماید. چالش اصلی موتورهای جستجو، رتبه بندی تصاویر بازیابی شده از پرس وجوی کاربر است. برای رتبه بندی تصاویر الگوریتم های مختلفی وجود دارد که می توان آن ها را به پنج دسته الگوریتم های مبتنی بر محتوای متنی ، الگوریتم های مبتنی بر محتوای دیداری ، الگوریتم های مبتنی بر اتصال ، الگوریتم های مبتنی بر رفتار کاربر و الگوریتم های ترکیبی تقسیم نمود. برخی از این الگوریتم ها از دقت کافی برخوردار نیستند و برخی دیگر دچار درجه پیچیدگی بالا در پردازش تصویر می باشند. هدف اصلی این پژوهش، مروری بر الگوریتم های رتبه بندی تصاویر بازیابی شده از پرس وجوی متنی کاربر و بررسی روش عملکرد و نقاط ضعف و قوت هر کدام می باشد. در ادامه روش جدیدی برای رتبه بندی تصاویر برای استفاده در موتورهای جستجو پیشنهاد می گردد که ترکیبی از رتبه بندی بر اساس محتوای متنی و به کارگیری محتوای دیداری تصاویر به منظور ادغام اسناد با تصاویر مشابه می باشد. این ادغام باعث غنی تر شدن محتوای متنی اسناد تصویری شده و دقت جستجو را افزایش می دهد. سپس با استفاده از یک الگوریتم یادگیری جفتی و مجموعه داده محک تولیدی که توسط افراد خبره برچسب گذاری شده است، وزن فیلدهای متنی مورد جستجو را تنظیم می کنیم. نتایج آزمایش ها نشان می دهد این روش می تواند دقت رتبه بندی را تا حد بالایی افزایش دهد.

فرآیند داده کاوی بیشتر توجه خود را معطوف به کشف الگوهای عام برای توصیف اکثریت معنادار داده ها کرده است. اما با گذشت زمان مسائلی در حوزه داده کاوی مطرح شد، که نیازمند کشف مواردی بود که از الگوی عام داده ها تبعیت نمی کرد. به دلیل تکرار کم این موارد استفاده از روش های معمول کشف الگو کارایی خود را از دست می دهند. اهمیت بحث کشف موارد نادر نه تنها از کشف الگوهای عام کم اهمیت تر نیست، بلکه در مواردی از اهمیت بیشتری نیز برخوردار است. سری های زمانی یکی از انواع داده های ترتیبی هستند که به فراوانی در تحقیقات علمی، مباحث تجاری و پزشکی کاربرد دارند. یکی از روش هایی که در بحث تجزیه و تحلیل این نوع داده ای مطرح است، گسسته سازی سری زمانی و اعمال روش های معمول داده کاوی است. در این پایان نامه پس از بررسی روش های گسسته سازی سری زمانی و انتخاب روش sax به عنوان روشی که گسسته سازی را به خوبی انجام می دهد، از دنباله های بدست آمده از این روش برای آموزش مدل مخفی مارکف و پیش بینی موارد نادر استفاده می شود. پیاده سازی اولیه منجر به دقت پایین 67% و 5% گردید که با استفاده از مدل مخفی مارکف مبتنی بر حدآستانه دقت مدل به 96% و 99% افزایش یافت، که در نوع خود بی نظیر است. همچنین پس از بررسی های انجام شده برای حل چالش تعیین مناسب طول کلمه سری زمانی در روش sax، راه حل جدیدی برای تعیین طول این پارامتر به جای روش تجربی ارائه می شود.

این پایان نامه، نمایشی از توسعه ریاضیات برای زیرساختارهای آناتومی عصبی مغز می باشد. تمرکز این پایان نامه روی تغییرپذیری آناتومیک عصبی از نظر هندسه و شکل رویه های دو بعدی در مغز می باشد. به عنوان مثال، ما بر روی رویه های کرتکس و هیپوکمپوس در یک جمعی از ‎ mri مغز انسان تمرکز می کنیم. شکل زیر ساختارها توسط ساخت الگوها مشخص می شوند و تغییرات با تعریف تغییرات احتمالی الگو نمایش داده می شوند. روش هایی برای تخمین تجربی اندازه های احتمالی روی این تغییرات، با استفاده از تغییرات میدان های برداری تصادفی گاوسی روی زیر منیفلدهای نشانده شده توسعه یافته است. میدان های برداری تصادفی گاوسی به صورت حد میانگین پایه متعامد کامل روی زیرمنیفلدها ساخته می شوند. کوواریانس، به طور تجربی از مجموع داده های مغز برآورد می شود. تحلیل مولفه اصلی برای مشخص کردن شکل-ویژه هیپوکمپوس، در تعدادی از تصاویر‎ $ mri $ کل مغز ارائه می شود. خوشه بندی بر مبنای شکل ویژه، برای دو گروه افراد نرمال و شیزوفرنی ارائه می شود.‎

در این پایان نامه، الگوریتم های فراگیری منیفلد مورد مطالعه قرار می گیرند. با استفاده از این الگوریتم ها پارامتر های ذاتی سیستم که عامل اصلی تمایز دادگان از یکدیگرند، شناسایی شده و کل مجموعه بر روی منیفلدی که بیان کننده ارتباط واقعی پارامتر هاست، قرار می گیرد. بدین ترتیب ارتباط بین دادگان در فضایی با بعد کمتر بیان می شود. یکی از کاربردهای موفق این الگوریتم ها در تحلیل تصاویر است. با این دیدگاه فرض می شود هر تصویر داده ای در بعد بالا بوده که هر پیکسل یک بعد از فضا را اشغال می کند. در صورتی که این مجموعه تصاویر از شیئی خاص اخذ شده باشند که بر اساس پارامتر های کمی با یکدیگر تفاوت دارند؛ می توان با استفاده از ابزارهای مناسب فراگیری منیفلد، این مجموعه تصاویر را در فضایی با بعد کمتر به گونه ای نگاشت کرد که ارتباط ذاتی پارامترها حفظ شود. در این پایان نامه چگونگی به کارگیری این ابزار برای تحلیل مجموعه تصاویر ام آر آی مغز مورد بررسی قرار می گیرد.

شناسایی اشکال هندسی در تصاویر دیجیتال یکی از موضوع های کاربردی در زمینه ی پردازش تصویر است. تکنیک های تشخیص اشیاء به دو دسته ی تکنیک های قطعی و غیرقطعی تقسیم می شوند. تبدیل هاف یکی از تکنیک های قطعی است. در این تکنیک هر یک از نقاط لبه به فضای پارامتریک منتقل می شوند. این تکنیک برای مسائلی با ابعاد بالا مناسب نمی باشد؛ زیرا حجم محاسبات و حافظه ی زیادی نیاز دارد و از مرتبه زمانی است. الگوریتم ژنتیک از جمله تکنیک های غیرقطعی برای یافتن پاسخ بهینه و یا شبه بهینه است. این الگوریتم اغلب با مصرف حافظه ی قابل قبولی به راه حل مناسبی می رسد. بنا بر اهمیت و کاربرد دایره و بیضی در شناسایی مرزهای عنبیه چشم و تشخیص علائم هشداردهنده ی سرعت در تصاویر جاده ای، این پایان نامه به معرفی روشی برای شناسایی این اشکال هندسی با استفاده از الگوریتم ژنتیک می پردازد. در این روش ابتدا یک پیش پردازش تشخیص لبه با استفاده از الگوریتم کنی انجام می شود. دو پارامتر مهم الگوریتم کنی آستانه ی پایین و بالا می باشند. پارامترهای الگوریتم کنی به طور تصادفی به ازای هر یک از اعضای جمعیت نسل اول تولید می شوند. سپس تشخیص لبه به ازای هر یک از اعضا با توجه به پارامترهای مربوط به الگوریتم کنی، به طور مستقل صورت می گیرد. در ادامه برای هر یک از اعضای جمعیت، ضرایب چندجمله ای درجه دوم دایره با استفاده از سه، و ضرایب مربوط به بیضی توسط پنج نقطه ی تصادفی از لبه به دست می آیند. این ضرایب با جایگذاری هر یک از نقاط در رابطه ی مربوط به اشکال هندسی یادشده و حل دستگاه معادله های چند مجهولی محاسبه می شوند. بنابراین در روش پیشنهادی هر یک از اعضای جمعیت، از ضرایب چندجمله ای درجه دوم و پارامترهای الگوریتم کنی تشکیل شده اند. در ادامه کارایی و مقدار برازندگی هر یک از اعضای جمعیت، با استفاده از یک تابع برازندگی مناسب به دست می آید. سپس اعضای جدید مربوط به نسل های بعدی الگوریتم، با استفاده از عملگرهای ژنتیکی تولید می شوند. اجرای الگوریتم ژنتیک تا مرحله ای ادامه می یابد که مقدار برازندگی به یک حد آستانه برسد. سرانجام ضرایب چندجمله ای منحنی های درجه دوم تصویر به دست می آیند. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی در شناسایی دایره و بیضی کارا می باشد.

در این نوشتار، ابتدا دو مجموعه ترافیک شامل ترافیک شبکه دانشگاه یزد و ترافیک گروه mawi مورد تحلیل قرار می گیرند. تاثیر شرایط مختلف مانند بار ترافیک و کیفیت زیر ساخت را بر میزان خودشبیهی بررسی می شود. همچنین، درجه خودشبیهی پروتکل های مختلف و دلایل وجود اختلاف بین آن ها مرور می شود. نتایج به دست آمده حاکی از وجود رابطه مستقیم بین بار شبکه و میزان خودشبیهی بود. همچنین، وجود رابطه بین کیفیت زیرساخت و شدت وابستگی بلند مدت مورد بررسی قرار گرفت و رابطه معنی داری مشاهده نشد. سپس در ادامه، با استفاده از شبکه های عصبی و یک مولد عدد تصادفی، مدلی برای تولید ترافیک خودشبیه ارائه می شود. مدل ارائه شده با استفاده از ترافیک واقعی آموزش می بیند و پس از آن شروع به تولید ترافیک می کند. در آخر هم، میزان خودشبیهی ترافیک تولید شده و ترافیک واقعی مقایسه می شود و نتایج نشان دهنده دقت مناسب مدل ارائه شده است.

هدف از این پایان نامه توسعه روش های کنترل بهینه ی وسایل نقلیه رباتیک خودکار در محیط طبیعی و کاربرد آنها در پویانمایی است. کار اصلی استخراج فضای حالت حافظ ساختار انتگرال گیری و طرح های بهینه سازی برای سامانه های ‎ltrfootnote{‎systems‎} مکانیکی متقارن، دینامیک شکل قابل کنترل و محدودیت های غیرهولونومیک مبتنی بر تئوری مکانیک گسسته می باشد. محتوای این پایان نامه مبتنی بر مطالعه ی ‎cite{m5,m31‎, ‎m55,m57‎, ‎m41}‎ بوده است. در فصل اول به مفاهیم مقدماتی از عمل گروه لی روی منیفلد و نکاتی از حسابان وردشی و مکانیک لاگرانژی پرداخته ایم. در فصل دوم نگاهی ساده به کلاس محدود شده ی وسایل نقلیه یعنی سامانه هایی متقارن که روی گروه های لی در حال تکامل هستند، داریم و گسسته سازی و کنترل بهینه ی آنها را توسیع می دهیم. سپس رویکرد مکانیکی گسسته ‎‏را برای سامانه های متقارن، متغیرهای شکل و محدودیت های توصیف شده از نظر دسته ای از اصول و پیوستگیِ قوانین بقای کدگذاری شده ی هندسی و/یا محدودیت های غیرهولونومیک در فصل سوم گسترش می دهیم. در فصل چهارم راه هایی برای گسترش ‎$ dmoc $‎ جهت یافتن مسیرهای بهینه ی سراسری نزدیک و کارآمد توسط ترکیب جواب های کنترل بهینه با مسیرهای طراحی حرکت احتمالی کلاسیک، پیشنهاد می دهیم. فصل نهایی منحصراً به روش هایی اختصاص دارد که افزایش استحکام روش های کنترل در برخورد با محدودیت های پیچیده مانند موانع در محیط یا محدودیت های مکانیکی را در پی دارد. در انتها روش های پیوستگی هموتوپی جدید(در زمینه ی کنترل حرکت) مبتنی بر کارهای کوبیلارو‎ltrfootnote{kobilarov}‎ ‎cite{m55}‎ را بیان می کنیم که کارآیی و شعاع همگرایی روش های مبتنی بر بهینه سازی را از طریق تغییر شکل قیود مناسب و تکنیک های نشانندگی افزایش می دهند.

رشد و گسترش شبکه های کامپیوتری و اینترنت باعث ایجاد تغییرات فراوان در زندگی و فعالیت شغلی افراد و سازمان ها شده است. بنابراین امنیت اطلاعات یکی از مسائل ضروری و مهم در سال های اخیر گردیده است. یکی از متداول ترین روش های حفاظت اطلاعات، رمزنگاری است. رمزنگاری محتویات رسانه را با استفاده از کلید و عملیات ریاضی برگشت پذیر تغییر می دهد. در مقصد رمزگشایی رسانه توسط کلید با عملیات معکوس رمزنگاری صورت می گیرد. کلید رمزنگاری به عنوان عنصر اصلی در عملیات رمزنگاری محسوب می شود؛ به طوری که بدون داشتن کلید حتی با دانستن الگوریتم عملیات رمزگشایی امکان پذیر نیست. رمزنگاری داده ها با توجه به پیشرفت های اخیر تحول یافته و الگوریتم های نوینی به همین منظور طراحی گردیده است. تصاویر دیجیتال امروزه در بین رسانه های دیجیتال، کاربرد و اهمیت زیادی پیدا کرده اند. تصاویر دیجیتال می توانند دربرگیرنده اطلاعات تجاری، نظامی، سیاسی و یا پزشکی باشند و لذا محرمانگی این اطلاعات تصویری اهمیت زیادی دارد.در سال های اخیر با توجه به رفتار تصادفی اتوماتای سلولی روش های گوناگونی برای رمزنگاری تصاویر با استفاده از اتوماتای سلولی ارائه شده است. اتوماتای سلولی به طور ذاتی خاصیت برگشت پذیری ندارد و فقط برخی از قوانین اتوماتا خاصیت برگشت پذیری دارند. با توجه به این که تعداد این قوانین محدود است، الگوریتم هایی که از این قوانین استفاده می کنند از امنیت بالایی برخوردار نمی باشند. بنابراین برای حل این مشکل نوع دیگری از اتوماتا به نام اتوماتاهای برگشت پذیر معرفی شدند. در واقع ساختار اتوماتا به گونه ای معرفی می شود که خاصیت برگشت پذیری داشته باشد. در این پایان نامه یک ساختار جدید برای رمزنگاری تصاویر با استفاده از اتوماتای سلولی برگشت پذیر ارائه می شود. رمزنگاری تصویر در روش پیشنهادی با استفاده از سه اتوماتای سلولی در سه مرحله صورت می گیرد. بدیهی است مراحل رمزگشایی تصویر با توجه به برگشت پذیری اتوماتای پیشنهادی به صورت معکوس قابل اجرا است. نتایج آزمایش ها نشان می دهد روش معرفی شده می تواند تصویر را به گونه ای رمز کند که تصویر رمز شده از لحاظ بصری قابل درک نباشد. هم چنین مقادیر عددی معیارهای کمی ارزیابی، نتایج مطلوب تری نسبت به روش های موجود داشته است.

سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می کند، تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه های متنوعی از جمله کنترل با استفاده از مدل ربات، طراحی کنترلگر بصورت مستقیم و استفاده از ماتریس ژاکوبین در این زمینه مطرح شده است. اما، از آنجا که در بسیاری از مواقع (از جمله این پایان نامه)، مدلی از ربات دردسترس نیست و یا بدست آوردن آن کاری دشوار و زمانگیر خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می شود. قانون کنترل استفاده شده در این پایان نامه، از معکوس ماتریس ژاکوبین برای تولید فرمان استفاده می کند. پس، با استفاده از شبکه عصبی و آموزش برون‏خط آن با داده های آموزشی جمع آوری شده، معکوس ماتریس ژاکوبین تقریب زده می شود، تا مستقیماً در قانون کنترل موردنظر استفاده شود (استفاده از شبکه عصبی، بدلیل ماهیت غیرخطی ماتریس ژاکوبین می باشد). به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی با ساختار پیشرو درنظر گرفته می شود. حالت بازوی ربات (سیستم) و ویژگی های انتخاب شده، ورودی های این شبکه ها، و خروجی آن‏ها، بیان کننده میزان تغییرات ویژگی ها به تغییر در مقادیر متغیرهای مفصل ربات (المان های معکوس ماتریس ژاکوبین) می باشد. در پیاده سازی عملی این روش، ویژگی درنظر گرفته شده، فاصله مجری نهایی ربات در بعد x و y تا هدف در قاب تصویر و بر حسب پیکسل است که مقدار آن در محل مطلوب (هدف) صفر می باشد. با توجه به ویژگی انتخاب شده و نحوه قرارگیری بازوی ربات و دوربین، با مشخص شدن محل مفصل شانه بازوی ربات، حالت سیستم بصورت یکتا مشخص می شود. از جمله چالش هایی که در پیاده سازی این روش با آن روبرو هستیم، نحوه محاسبه معکوس ماتریس ژاکوبین و ارائه ساختار هوشمند برای تقریب زدن آن، تشخیص محل مفاصل با استفاده از تصاویر دوربین، و تغییرات نور محیط می باشد. بدیهی است که برای هر یک از چالش‏های مطرح شده، راهکار مناسبی ارائه شده است. نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری نهایی بازوی ربات به نقاط هدف مختلف در محیط کاری است.

امروزه با رشد گسترده کاربران اینترنت، سرویس های اینترنتی زیادی از قبیل پست الکترونیکی، موتورهای جستجو و شبکه های اجتماعی به صورت رایگان ارائه شده است. با توسعه سرویس های اینترنت، از کار انداختن خدمات توسط برنامه های مخرب خودکار، مانند ربات های اینترنتی (bots) و script ها، تبدیل به مشکل اصلی سرویس های اینترنتی شده است. کپچا، یک روش تأیید انسان بودن کاربر است که آزمون هایی را برای تشخیص این که آیا کاربر یک انسان است یا یک برنامه کامپیوتری مخرب، تولید و ارزیابی می کند. پاسخ‏گویی به این آزمون ها برای انسان راحت و برای ربات های اینترنتی مشکل است. روش های کپچای کنونی سعی در افزایش سختی این آزمون ها برای برنامه های خودکار با استفاده از افزایش تحریف و پارازیت دارند. در نتیجه حل آن برای انسان نیز مشکل خواهد شد. در این پایان نامه یک کپچای تصویری با استفاده از ایجاد تغییرات بر روی اعضای چهره‏ی انسان ارائه می شود. در این روش اعضای چهره‏ی انسان با استفاده از الگوریتم تشخیص چهره‏ی ویولا-جونز پیدا شده و بر روی یکی از اعضای چهره، اعوجاج بشکه ای اعمال می شود. سپس با انجام تغییراتی بر روی تصویر برای بالا بردن امنیت کپچا، به کاربر ارائه می شود و کاربر باید عضو دارای اعوجاج را تشخیص داده و بر روی آن کلیک کند. ارزیابی ها نشان می دهد که این روش به دلیل آشنایی کامل کاربران با چهره‏ی انسان و آسان بودن روش پاسخ گویی به آن و هم چنین ناتوانی برنامه های کامپیوتری مخرب در حل آن، نسبت به سایر روش ها از کارایی بالاتری برخوردار است.

بی شک مستند انیمیشن می تواند تا حدود زیادی ،تفکر و فرهنگ حاکم بر هنر هر دوره را به نمایش بگذارد.تزیینات و فرم بنا برای معماران و باستان شناسان و ... از جهات مختلفی ممکن است جالب باشد و برای عامه مردم از جهاتی دیگر،به طوری که ناخودآگاه هر بیننده ای را ترغیب به حفظ هنر ومیراث فرهنگی نماید.بنابراین کارگردان مستند انیمیشن،با استفاده از بازآفرینی دیجیتال،به دنبال هر چه واقعی جلوه دادن میراث فرهنگی و هنری ایران باستان بوده است.