hashem kalbkhani
-
نشریه آینده پژوهی دفاعی، پیاپی 32 (بهار 1403)، صص 159 -188هدف
هدف اصلی این پژوهش، تعیین جایگاه کشورها به لحاظ آمادگی کشورها در مواجهه با انقلاب صنعتی چهارم است. این پژوهش سعی دارد با استفاده از الگوریتم های هوش مصنوعی، شامل خوشه بندی و طبقه بندی، مدلی آینده پژوهانه را ارائه دهد که بتواند حرکت کشورها به سمت فناوری های صنعت 4.0 را پیش بینی کند.
روش شناسی:
در این پژوهش از الگوریتم خوشه بندی چگالی سریع (FDC) برای تقسیم کشورها به خوشه های مجزا و سپس از الگوریتم های kNN و SVM برای مدل سازی و پیش بینی حرکت کشورها به دیگر دسته ها استفاده شده است. هم چنین از الگوریتم های هوش جمعی برای بهینه سازی عملکرد الگوریتم ها بهره گرفته شده است.
یافته ها و نتایجتشکیل یک شاخص ترکیبی برای دسته بندی کشورها و پیش بینی حرکت آن ها به سمت صنعت 4.0 از دستاوردهای این پژوهش است. در این پژوهش، کشورها بر اساس میزان آمادگی در مواجهه با انقلاب صنعتی چهارم، به سه خوشه بالغ، در حال رشد و کمتر بالغ افراز گردیده و ویژگی ها و روند حرکتی هر خوشه تبیین شد. بهینه سازی الگوریتم های kNN و SVM باعث بهبود عملکرد آن ها نسبت به سایر الگوریتم ها انجام شد.
نتیجه گیریعملکرد بهتر شاخص ترکیبی پیشنهادی نسبت به الگوریتم های مشابه دیگر، نشان از اثربخشی روش پیشنهادی در پیش بینی حرکت کشورها به سمت فناوری های صنعت 4.0 دارد. با شناسایی خوشه ایران و رتبه کل و رتبه در هر یک از زیرشاخص ها، الگوی حرکتی ایران و پیشنهادات برای ارتقا ارائه شد. موضوعی که می تواند ضمن ارتقای آمادگی فناوری محور کشور به ارتقای قدرت و جایگاه ایران اسلامی در حوزه های مختلف از جمله حوزه دفاع و امنیت ملی یاری رساند.
کلید واژگان: انقلاب صنعتی چهارم، بهینه سازی، خوشه بندی، طبقه بندیObjectivesThe main goal of this research is to assess the readiness of countries for the Fourth Industrial Revolution. The study aims to provide a model using artificial intelligence algorithms, such as clustering and classification, to predict the movement of countries towards Industry 4.0.
MethodologyThe research utilizes fast-density clustering (FDC) to categorize countries into distinct clusters. Subsequently, the kNN and SVM algorithms are employed for modeling and predicting countries' movements. Additionally, swarm intelligence algorithms are used to optimize the performance of the algorithms.
Findings and ResultsOne of the achievements of this research is the development of a composite index for the classification of countries and predicting their movement toward Industry 4.0. The countries are categorized into three clusters based on their readiness for the Fourth Industrial Revolution, and the characteristics and trends of each cluster are elucidated. Another finding is the optimization of the kNN and SVM algorithms, demonstrating their superior performance compared to other algorithms.
Originality:
The proposed composite index outperforms similar algorithms, indicating the effectiveness of the proposed method in predicting countries' movement toward Industry 4.0. The study presented a comprehensive analysis of the Iran cluster, including its overall ranking and rankings within specific sub-indices. The findings offer insights into the strategic movement patterns of Iran and provide recommendations for advancing its technological capabilities. This research not only contributes to enhancing the country's readiness in technology but also aims to elevate the power and standing of the Islamic Republic of Iran, particularly in critical sectors such as national defense and security.
Keywords: Fourth Industrial Revolution, Optimization, Clustering, Classification -
توسعه دسترسی به اینترنت در کنار همه گیری کرونا باعث شده که کسب وکارهای اینترنتی بیش ازپیش مورد توجه کاربران قرار گیرد، موضوعی که موجبات ورود تعداد زیادی از کسب وکارها به فضای تعاملات کالایی و خدماتی اینترنتی را فراهم آورد. در این راستا، یکی از خلاهای موجود ارائه مدل های مناسب کسب و کار و درآمد برای علاقه مندان ورود بدین حوزه است. از اینرو، در مطالعه حاضر، در راستای حصول به مدل پیشنهادی، نخست، مدل های کسب وکار وبگاه ها (سایت های اینترنتی) و برنامه های کاربردی برتر ایرانی و خارجی بررسی و مدل های درآمدی آنها شناسایی شد. بدین منظور، شاخص های کیفی ارزیابی وبگاه ها و برنامه های کاربردی به صورت فهرست بازبینی یا همان چک لیست های محتوا و ظاهرسنجی مورد ارزیابی قرار گرفت، به گونه ای که پانصد وبگاه برتر داخلی و ششصد وبگاه برتر خارجی با بیشترین بازدید و ارتقای رتبه و همچنین، پانصد برنامه کاربردی برتر داخلی با پیشینه بیشترین شمار بارگیری (دانلود) به عنوان جامعه آماری مطالعه بررسی شدند. پس از جمع آوری داده ها و ویژگی های مرتبط با هر کدام از وبگاه ها و برنامه های کاربردی، مجموعه داده وسیع پژوهش ایجاد شد و با استفاده از روش های داده کاوی، خوشه بندی صورت گرفت؛ سپس، با بهره گیری از ابزار داده کاوی متلب (MATLAB)، کسب وکارها دسته بندی و با کسب وکارهای جهانی مقایسه شدند. در ادامه، چالش ها و مدل های درآمدی کسب وکارهای برتر حوزه های مختلف خوشه بندی و بررسی شد و به تفصیل، بررسی چالش های حوزه کشاورزی و ارائه مدل های درآمدی پیشنهادی برای این حوزه انجام گرفت، به گونه ای که هر کسب وکار می تواند با شناسایی چالش مورد نظر و نیز حوزه کارکردی آن، مدل درآمدی مناسب خود را شناسایی کند، موضوعی که می تواند ضمن کمک به کسب وکارها، از هزینه های اتخاذ راهبرد درآمدی نادرست توسط صاحبان کسب وکارها تا حدودی جلوگیری کند. از این مدل پیشنهادی می توان به عنوان راهنمایی برای ورود کسب وکارها به کسب وکارهای الکترونیک حوزه کشاورزی بهره برداری کرد. در طرح تحقیقاتی حاضر، ده چالش مهم حوزه کشاورزی برای خوشه بندی کسب وکارها استفاده شد. سیاستگذار می تواند در دوره های زمانی مختلف و مبتنی بر اقتضائات محیطی، این چالش ها را به روزرسانی کند و با الگو گرفتن از کسب وکارهای موفق جهانی، مدل خوشه بندی و مدل های درآمدی و کسب وکاری روزآمد را پیشنهاد دهد.کلید واژگان: مدل های کسب وکار، مدل های درآمدی، برنامه کاربردی، خوشه بندی، پراکندگی کسب وکارها، داده کاویIntroductionThis study aimed at proposing suitable business and revenue models for businesses venturing into electronic commerce within the agricultural sector. The research methodology included an in-depth examination and classification of top global businesses in various sectors, with a focus on identifying the challenges and revenue models employed by them.Materials and MethodsThe study utilized qualitative evaluation indices to assess the business models of top Iranian and foreign websites and applications. Data mining methods, clustering techniques, and MATLAB data mining tools were employed to classify businesses and compare them with global counterparts. The research identified and categorized the challenges and revenue models of top businesses across various sectors, with a specific focus on the agricultural domain.Results and DiscussionThe study used valuable insights, presenting ten significant challenges within the agricultural sector, which are used for clustering businesses and proposing revenue models tailored to this specific industry. In addition, it introduced a model for businesses to identify suitable revenue models by recognizing the addressed challenges and their functional domain. The proposed model serves as a comprehensive guide for businesses seeking to establish a presence in electronic commerce within the agricultural sector.ConclusionThis study highlighted the potential for policymakers to update the identified challenges based on evolving environmental requirements. Moreover, by drawing insights from successful global businesses, the study suggested the possibility of updating clustering and revenue models to align with current industry trends and best practices.Keywords: Electronic Commerce, Application, Agricultural Sector, Business Models, Revenue Models, Data Mining, Clustering, Qualitative Evaluation, MATLAB
-
هدف
شبکه های بی سیم با وسایل نقلیه هوایی بدون سرنشین (UAV)، به عنوان ایستگاه پایه هوابرد، به یک فناوری امیدوارکننده برای افزایش ناحیه پوشش کاربران تبدیل شده اند. هنگامی که کاربران با سرعت بالا در ناحیه پوشش شبکه پهپادی حرکت می کنند، یک الگوریتم انتقال کارآمد برای حفظ کیفیت خدمات کاربران مورد نیاز است. از طرف دیگر، بار شبکه باید به طور منصفانه توزیع شود تا از ایستگاه های پرازدحام و هم چنین ایستگاه های فاقد سرویس جلوگیری شود.
روش پژوهش:
در این مقاله، یک الگوریتم کارآمد برای انتخاب ایستگاه پایه هدف در فرآیند دست به دست شدگی برای کاربران متحرک در شبکه های بی سیم مبتنی بر پهپاد ارایه می شود. الگوریتم پیشنهادی کیفیت سرویس مورد نیاز کاربران را در پوشش ایستگاه پایه جدید برآورده می کند در حالی که تعداد جابجایی های غیرضروری بین ایستگاه های پایه را کاهش داده و بار را در بین آن ها به صورت منصفانه توزیع می کند.
یافته هانتایج شبیه سازی نشان می دهد. روش پیشنهادی شاخص انصاف Jain و بهره وری طیفی را بهبود می دهد و هم چنین نرخ پینگ پونگ را کاهش می دهد.
نتیجه گیریبا توجه به نیاز روزافزون برای توسعه استقرار پهپادها در شبکه های بی سیم نسل جدید، روش پیشنهادی می تواند برای دست به دست شدگی در این نوع شبکه ها استفاده شود.
کلید واژگان: دست به دست شدگی، تعادل بار، زمان اقامت، پهپادObjectiveWireless networks with unmanned aerial vehicles (UAVs) as airborne base stations have become a promising technology to increase the coverage area of users. When users move at high speed in the coverage area of a UAV network, an efficient handover algorithm is required to maintain the users’ quality of service. On the other hand, the network load should be fairly distributed to avoid crowded stations and stations without service.
MethodologyThis paper presents an efficient algorithm for selecting the target base station in the handover process for mobile users in UAV-based wireless networks. The proposed algorithm satisfies the quality of service required by the users in the coverage of the new base station while reducing the number of unnecessary handovers between the base stations and distributing the load among them fairly.
FindingsThe simulation results show that the proposed method enhances the Jain's fairness index and spectral efficiency and also, reduces the ping-pong rate.
Originality:
Due to the increasing demand for developing UAVs in next-generation wireless networks, the proposed method can be used for handover in these networks.
Keywords: Handover, load balancing, sojourn time, UAV -
هدفطبقه بندی خودکار مدولاسیون (AMC) یک فناوری کلیدی در ارتباطات بی سیم مدرن است و در عین مواجهه با چالش های متعدد، توجه گسترده ای را در بخش های مختلف، به ویژه کاربردهای جنگ الکترونیک و نظامی، به خود جلب کرده است. محیط انتشار بی سیم به دلیل وجود موانع گسترده بسیار پیچیده است و در عمل کانال رفتار محوشونده چندمسیری دارد که در اکثر پژوهش ها در نظر گرفته نشده است. روش پژوهش: در این پژوهش از آماره های مرتبه بالا به عنوان ویژگی برای طبقه بندی خودکار مدولاسیون در کانال های محوشونده چندمسیری استفاده می کنیم. برای افزایش دقت تشخیص، سیگنال به بخش های کوچک تری تقسیم شده و آماره ها برای هر قسمت محاسبه می شوند. برای طبقه بندی نیز از بردار پشتیبان ماشین (SVM) با کرنل گوسی استفاده می شود که مقدار انحراف معیار کرنل با استفاده الگوریتم بهینه سازی ازدحام ذرات (PSO) بهینه می شود تا دقت طبقه بندی بیشینه شود.یافته هابرای ارزیابی روش پیشنهادی از هشت نوع مدولاسیون دیجیتال پرکاربرد استفاده شد. نتایج نشان می دهند که تعداد نمونه های سیگنال دریافتی و هم چنین تعداد زیربخش های در دقت شناسایی صحیح تاثیر دارند. هم چنین بهینه سازی انحراف معیار کرنل، دقت شناسایی صحیح سیگنال را بهبود می دهد.نتیجه گیرینتایج به دست آمده نشان می دهند که روش پیشنهادی می تواند به عنوان یک الگوریتم موثر برای تشخیص نوع مدولاسیون سیگنال های دیجیتال در سناریوهای جنگ الکترونیک و سایر کاربردهای تجاری مورد استفاده قرار گیرد.کلید واژگان: آماره مرتبه بالا، بهینه سازی کرنل، تشخیص مدولاسیون، کانال چندمسیریObjectiveAutomatic modulation classification (AMC) is a key technology in modern wireless communication and while facing many challenges, it has attracted wide attention in various fields, especially electronic warfare and military applications. The wireless propagation environment is very complicated due to the existence of wide obstacles and in practice, the channel has a multi-path fading behavior that is not considered in most research.MethodologyIn this research, we use high-order statistics as features for AMC in multi-path fading channels. To increase the classification accuracy, the received samples are divided into smaller segments, and statistics are calculated for each part. For classification, the support vector machine (SVM) with Gaussian kernel is used, and the standard deviation of the kernel is optimized using the particle swarm optimization (PSO) algorithm to maximize the classification accuracy.FindingsTo evaluate the proposed method, eight commonly used digital modulation types were used. The results show that the number of received samples and also the number of segments affect the correct identification accuracy. Also, optimizing the standard deviation of the kernel improves the accuracy of correct signal identification.Originality: The obtained results show that the proposed method can be used as an effective algorithm to detect the modulation type of digital signals in electronic warfare scenarios and other commercial applications.Keywords: Higher-Order Statistics, Kernel Optimization, Modulation Classification, Multipath Channel
-
نشریه آینده پژوهی دفاعی، پیاپی 28 (بهار 1402)، صص 119 -135دسترسی چندگانه غیرمتعامد بهره وری طیفی و ظرفیت سیستم را با تخصیص یک بلوک منبع به چندین کاربر افزایش می دهد. کدگذاری شبکه دارای مزایای فشرده سازی داده و بهره وری طیفی بالا است و نقش مهمی در شبکه های رله دو طرفه ایفا می کند. با این حال، شبکه های رله دوطرفه معمولی به دلیل استفاده از دسترسی چندگانه متعامد از محدودیتهای توان ارسالی رنج میبرند. عملکرد این نوع شبکه، به رله انتخاب شده و توان ارسالی وابسته است. با توجه به نیاز به ارتباطات امن و همچنین محدودیت انرژی در ارتباطات نظامی، در این مقاله روشی برای انتخاب رله و کنترل توان ارسالی به منظور بیشینه کردن بهره وری انرژی در شبکه های رله دو طرفه با کدگذاری شبکه و کنترل توان ارسالی با در نظر گرفتن محدودیتهای بیشینه توان و کمینه بهره وری طیفی قابل قبول ارایه شده است. برای حل این مساله، آن را به دو زیرمساله تبدیل کرده و ابتدا به ازای هر رله کاندید، توان ارسالی برای بیشینه کردن بهره وری انرژی محاسبه میشود. در نهایت، کاندیدی که بیشترین بهره وری انرژی را داشته باشد به عنوان رله نهایی انتخاب میشود. عملکرد سیستم بر حسب بهره وری طیفی، بهره وری انرژی و احتمال قطع ارتباط در نسبتهای مختلف سیگنال به نویز ارسالی ارزیابی میشود. همچنین تاثیر تعداد رله های کاندید و کمینه بهره وری طیفی قابل قبول بررسی شده است. نتایج نشان می دهند که کدگذاری شبکه بهره وری طیفی و بهره وری انرژی را افزایش داده و احتمال قطع را کاهش میدهد.کلید واژگان: ارتباطات امن، انتخاب رله، بهره وری انرژی، شبکه رله دوطرفه، کنترل توانNon-othogonal multiple access (NOMA), as a promising technology, increases spectral efficiency and system capacity by allocating a resource block to multiple users. Network coding (NC) has the advantages of data compression and high spectral efficiency and plays an important role in two-way relay networks. However, conventional two-way relay networks suffer from transmission power limitations due to the use of mrthogonal multiple access (OMA). The performance of this type of network depends on the selected relay and the transmission power. In this paper, considering the need for secure communications and also the energy limitation in military communications, a method is proposed for relay selection and transmission power control to maximize energy efficiency in two-way relay networks with network coding and power control taking into account the limits of the maximum transmission power and the minimum acceptable spectral efficiency. To solve this problem, it is converted into two sub-problems and first, for each candidate relay, the transmission power is calculated to maximize the energy efficiency. Finally, the relay candidate with the maximum energy efficiency is selected as the final relay. The performance of the proposed model is evaluated in terms of spectral efficiency, energy efficiency, and the possibility of disconnection in different transmitted signal-to-noise ratios (SNR). Also, the effect of the number of candidate relays and the minimum acceptable spectral efficiency on the system efficiency has been investigated. The results show that network coding in NOMA communications increases the spectral efficiency and energy efficiency and reduces the outage possibility.Keywords: Secure communication, Relay selection, Energy Efficiency, Two-way relay network, Power control
-
With the rapid deployment of users and increasing demands for mobile data, communication networks with high capacity are needed more than ever. Furthermore, there are several challenges, such as providing efficient coverage and reducing power consumption. To tackle these challenges, using unmanned aerial vehicles (UAVs) would be a good choice. This paper proposes a scheme for uplink non-orthogonal multiple access (NOMA) in UAV communication systems in the presence of granted and grant-free users. At first, the service area users, including granted and grant-free users, are partitioned into some clusters. We propose that the hover location for each cluster is determined considering the weighted mean of users’ locations. We aim to allocate transmission power and form NOMA pairs to maximize the energy efficiency in each cluster subject to the constraints on spectral efficiency and total transmission power. To this end, the transmission powers of each possible pair are obtained, and then Hungarian matching is used to select the best pairs. Finally, finding the flight path of the UAV is modeled by the traveling salesman problem (TSP), and the genetic algorithm method obtains its solution. The results show that the increasing height of the UAV and density of users increases the spectral and energy efficiencies and reduces the outage probability. Also, considering the quality of service (QoS) of granted users for determining the UAV's hover location enhances the transmission's performance.
Keywords: Energy Efficiency, NOMA, Power Allocation, Unmanned Aerial Vehicle (UAV), Uplink, Users Pairing
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.