فهرست مطالب

  • سال هفتم شماره 25 (پاییز و زمستان 1394)
  • تاریخ انتشار: 1395/09/30
  • تعداد عناوین: 6
|
  • زهرا مصلحی، دکتر مازیار پالهنگ صفحات 1-14
    یکی از زمینه های فعالیت در یادگیری ماشین و شناسایی الگو یادگیری با ناظر می باشد. در یادگیری با ناظر برچسب داده های آموزشی موجود است. در مسایل دورده ای، هدف محاسبه فرضیه ای است که بتواند به بهترین شکل ممکن و با کمترین مقدار خطا داده های با دو ردهی مثبت و منفی را از یکدیگر جدا کند. انواع روش های یادگیری با ناظر پیشنهاد شده است. به عنوان مثال می توان به درخت های تصمیم، یادگیر SVM و روش های نزدیکترین همسایه اشاره کرد. در این مقاله بر عملکرد درخت های تصمیم متمرکز می شویم. عملکرد درخت تصمیم مشابه پیدا کردن ابرصفحه های تقسیم کننده در فضای d بعدی است، بطوریکه داده های موجود را به درستی رده بندی کند و تا حد ممکن رده بندی صحیح داده های آینده را نیز بدست آورد. دیدگاه هندسی عملکرد درخت تصمیم ما را به مفهوم تفکیک پذیری در هندسه محاسباتی نزدیک می کند. از بین کلیه الگوریتم های تفکیک پذیری موجود، مساله محاسبه مستطیل با حداکثر اختلاف دو رنگ را مطرح می کنیم. این مساله ارتباط نزدیکی با مساله درخت تصمیم در یادگیری ماشین دارد. در ادامه الگوریتم محاسبه مستطیل با حداکثر اختلاف دو رنگ را در یک، دو، سه و d بعد پیاده سازی می کنیم. نتیجه پیاده سازی نشان دهنده آن است که این الگوریتم، الگوریتمی قابل رقابت با الگوریتم شناخته شده C4.5 است.
    کلیدواژگان: یادگیری ماشین، دسته بندی، درخت تصمیم، هندسه محاسباتی، تفکیک پذیری، مستطیل
  • مهناز نژادعلی صفحات 15-24
    با افزایش روزافزون ارتباطات ویدیویی در دستگاه های قابل حمل و کاربردی، طراحی کدکننده ها با کمترین میزان پیچیدگی موردنیاز است. استاندارد H.264/AVCجدیدترین استاندارد کدگذاری ویدیو است که با همکاری گروه های مطالعاتی ITU-T و ISO/IEC با تشکیل یک گروه شناخته شده به نام تیم ویدئو مشترک (JVT) در سال 2003 معرفی شد.JVT با اضافه نمودن ویژگی هایی، کارایی فشرده سازی بالاتری را با کاهش نرخ بیت به میزان 50% و کیفیت ویدیوی یکسان در مقایسه با استانداردهای کدگذاری قبلی(MPEG-4 و H.263 )ارائه نموده است. اما این استاندارد با بکارگیری چندین تکنیک کدگذاری قدرتمند، پیچیدگی کدگذار را بطور قابل ملاحظه ای افزایش می دهد. هدف از این رساله اجرای الگوریتمی برای کاهش پیچیدگی محاسباتی کدگذار بوده و در طرح پیشنهادی از ماسک های جهت دار ساده و حالت بلوک های همسایه به منظور انتخاب سریع حالت در پیش بینی به روش داخل فریمی در بلوک های 4*4 استفاده می گردد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی زمان کدگذاری را ماکزیمم 29% درصد کاهش می دهد در حالی که تاثیر ناچیزی در کیفیت تصویر و میزان PSNR دارد.
    کلیدواژگان: کدگذاری ویدیو، H.264، AVC، پیش بینی، داخل فریمی، RDO
  • دکتر کامبیز رهبر، دکتر کریم فائز، دکتر ابراهیم عطاران کاخکی صفحات 27-42
    کاهش کیفیت تصویر در یک سامانه اپتیکی تابع پارامتر های متفاوتی می تواند باشد. برخی از این پارامتر ها عبارتند از: ابیراهی لنز، خطای رقمی سازی و خطای مونتاژ سامانه. در حوزه خطای مونتاژ معمولا دو نوع خطای کلی در نظر گرفته می شود: 1) عدم متعامد بودن پرده تصویر و محور اپتیکی که اغلب در قالب خطای prism از آن نام برده می شود. 2) خطای عدم عبور محور اپتیکی لنز از مرکز تصویر که تحت عنوان خطای خروج از مرکز تصویر (de-centering) از آن یاد می شود. از این میان مقاله حاضر قصد دارد تا به مطالعه ابیراهی لنز پرداخته و نقص ابیراهی آن را تواما با خطای خروج از مرکز اصلاح و جبران کند. برای این منظور ابیراهی های زایدل در قالب مومنت های اصلاح شده زرنیک مبتنی بر چند جمله ای چبیشف نوع دوم به صورت توابع مجزا روی فضای کارتزین بازنویسی می گردند. سپس مومنت های بازنویسی شده به گونه ای اصلاح می گردند که با در نظر گرفتن خطای خروج از مرکز، تابع ابیراهی فاز را نیز مدل کنند. نهایتا ضرایب مدل معرفی شده جهت تخمین در دو کلاس متقارن و نامتقارن دسته بندی می شوند. سپس این ضرایب با بهره گیری از آنالیز چند طیفی تخمین زده می شوند. جهت تخمین ضرایب جملات متقارن از آنالیز tri-coherence و برای ضرایب جملات نامتقارن از آنالیز bi-coherence استفاده شده است. نتایج آزمایشگاهی دقت و بازدهی راه کار پیشنهادی را تایید می کنند.
    کلیدواژگان: تابع ابیراهی فاز، خطای خروج از مرکز تصویر، چند جمله ای زرنیک، چند جمله ای چبیشف، آنالیز چند طیفی
  • امیرشهاب شاهمیری، بهاره زمانی نظامی، سعید شیری قیداری صفحات 43-65
    زبان‏های گفتاری جهان در طول هزاران سال تاریخ خود، روندی تکاملی را پیموده و به امروز رسیده‏اند. بر همین راه واژگان زبان‏های گوناگون و البته نام‏های متداول در فرهنگ‏ها و زبان‏های سراسر جهان نیز، به تکامل رسیده‏اند و این روند تکاملی را ادامه خواهند داد. برخی از این نام ها، با توجه به حس زیبایی‏شناسی افراد یک جامعه و ویژگی های آوایی زبانی، که بسته به زمان و مکان متغیر است، رواج بیشتری می‏یابند و تطور و گسترش بیشتری پیدا می‏کنند. در این پژوهش با شناخت واژگان و نام‏های فارسی، مدلی پیشنهاد شده که بر پایه آن نام هایی نو، که همراه با داشتن معنایی درخور، از نظر زیبایی‏شناسی نیز نظر افراد گوناگون را برآورده سازد، تولید شود. ساخت واژگان تازه به کمک پردازش تکاملی (الگوریتم ژنتیک) انجام می شود که در آن، تابع برازندگی را (به جز در نسل نخست) یک شبکه عصبی مصنوعی از نوع پیشخور پس انتشار با دو لایه پنهان که تا 89٪ مشابه انسان تخمین می زند، شبیه سازی می‏کند. بهترین نام تولید شده با این روش، رتبه 5 را در میان 252 نام جامعه اولیه به دست آورده است. بهترین نمونه‏های جامعه اولیه و داده‏های آموزشی و آزمایشی و نیز برآورد تابع برازندگی نسل نخست و سنجش زیبایی بهترین نام های تولید شده بدین روش، با تحلیل آماری نمونه های اخذ شده به کمک پرسش نامه انجام شده است.
    کلیدواژگان: فرهنگ نام های ایرانی، هوش مصنوعی، واژه شناسی، نام شناسی، پرسپترون چندلایه
  • الهام قنبری، آزاده شاکری صفحات 67-86
    یادگیری رتبه بندی که یکی از روش های یادگیری ماشین برای مدل کردن رتبه بندی است، امروزه کاربردهای بسیاری به خصوص در بازیابی اطلاعات، پردازش زبان طبیعی و داده کاوی دارد. فعالیت یادگیری رتبه بندی را می توان به دو بخش تقسیم کرد. یکی سیستم یادگیری مورد استفاده و دیگری سیستم رتبه بندی. در سیستم یادگیری، یک مدل رتبه بندی بر اساس داده های ورودی ساخته می شود. در بخش سیستم رتبه بندی، از این مدل ساخته شده برای پیش بینی رتبه بندی استفاده می شود. در این مقاله یک الگوریتم پیشنهادی مبتنی بر یادگیری جمعی به منظور یادگیری رتبه بندی اسناد ارائه می شود که این الگوریتم به صورت تکراری یادگیرهای ضعیفی بر روی درصدی از داده های آموزشی که توزیع آنها بر اساس یادگیر قبلی عوض شده است، می سازد و جمعی از یادگیرهای ضعیف را برای رتبه بندی تولید می کند. این الگوریتم سعی می کند تا با ساختن رتبه بند بر روی درصدی از داده ها، سبب افزایش دقت و کاهش زمان شود. با ارزیابی بر روی مجموعه داده لتور 3 دیده می شود که بهتر از الگوریتم های دیگری در این زمینه که مبتنی بر یادگیری جمعی هستند، عمل می کند.
    کلیدواژگان: یادگیری رتبه بندی، یادگیری رتبه بندی در بازیابی اطلاعات، یادگیری ماشین، یادگیری جمعی
  • حسین مومیوند صفحات 87-98
    در این تحقیق عوامل زمینه ساز استقرار مدیریت دانش به صورت مطالعه موردی در شرکت مخابرات استان کرمانشاه طی انجام نظر سنجی های میدانی از کارکنان مربوطه مورد بررسی قرار گرفته است. پس از شناسایی عوامل زمینه ساز مدیریت دانش، رابطه بین هر یک از عوامل فرهنگ سازمانی، نظام فرآیندهای دانش نظام فناوری اطلاعات با مدیریت دانش ضمن استفاده از نتایج بدست آمده و با به کار گیری برنامه آماری SPSS مورد تجزیه تحلیل آماری قرا گرفته است. شرکت مخابرات استان کرمانشاه دارای تعداد 370 نفر بوده که از بین این جامعه، نمونه آماری مورد بررسی 77 نفر می باشد. یافته های پژوهش نشان می دهد که بین نظام فناوری اطلاعات، فرهنگ سازمانی، نظام فرآیندهای دانش با استقرار مدیریت دانش در حد قابل قبولی همبستگی وجود دارد که ضریب همبستگی (R) هر یک به ترتیب برابر 854/0، 915/0 و 812/0 می باشد. بین میزان تاثیر هر یک از متغیرهای نظام فرآیندهای دانش، فرهنگ سازمانی، نظام فناوری اطلاعات در استقرار مدیریت دانش در شرکت مخابرات استان کرمانشاه تفاوت وجود دارد، طوری که به ترتیب نظام فرآیندهای دانش، نظام فناوری اطلاعات و فرهنگ سازمانی دراستقرار مدیریت دانش در رتبه اول، دوم و سوم قرار دارند.
    کلیدواژگان: مدیریت دانش، فرآیندهای دانش، فرهنگ سازمانی، نظام فناوری اطلاعات
|
  • Zahra Moslehi, Dr Maziar Palhang Pages 1-14
    One of the machine learning tasks is supervised learning. In supervised learning we infer a function from labeled training data. The goal of supervised learning algorithms is learning a good hypothesis that minimizes the sum of the errors. A wide range of supervised algorithms is available such as decision tress, SVM, and KNN methods. In this paper we focus on decision tree algorithms. When we use the decision tree algorithms, the data is partitioned by axis- aligned hyper planes. The geometric concept of decision tree algorithms is relative to separability problems in computational geometry. One of the famous problems in separability concept is computing the maximum bichromatic discrepancy problem. There exists an -time algorithm to compute the maximum bichromatic discrepancy in d dimensions. This problem is closely relative to decision trees in machine learning. We implement this problem in 1, 2, 3 and d dimension. Also, we implement the C4.5 algorithm. The experiments showed that results of this algorithm and C4.5 algorithm are comparable.
    Keywords: Machine learning, classification, decision trees, computational geometry, separability, Hyper rectangle
  • Mahnaz Nejadali Pages 15-24
    By the increasing of video communication in portable and functional devices, encoders design with low complexity and high performance are required. H.264 / AVC standard offers higher compression efficiency than previous standards. But this standard by employing several powerful coding techniques, considerably increased complexity at the encoder. This paper presents a new algorithm to reduce the complexity of the H.264/AVC encoder. The proposed method uses simple directional masks, neighboring blocks modes and detection of 4x4 and/or 16x16 intra estimation modes with determination of quantization parameters for fast mode selection in Intra-Frame Modes prediction. Experimental results show that the proposed method reduces maximum 29% of the encoding time, while has little effect on visual quality and PSNR.
    Keywords: RDO, H.264, AVC
  • Dr Kambiz Rahbar, Dr Karim Faez, Dr Ebrahim Attaran Kakhki Pages 27-42
    Reduction of the quality of the image formed by an optical system is a function of different parameters such as lens aberrations, CCD digitization errors, and the errors of system assembling. Assembling errors usually consist of two types: 1) the prism error, which is the error of non-orthogonality of the optical axis and the image plane 2) the de-centering error, which is error of not passing the lens optical axis through the center of the image plane. This paper attempts to correct the blind of the lens aberration and the de-centering error. To this end, Seidel aberrations are rewritten in the form of the modified Zernike moments based on the second kind Chebyshev polynomials as discrete functions on the Cartesian space. Then, the modified moments reformulated to model de-centered phase aberration function by considering the de-centering error. Finally, the model parameters are divided into two classes of symmetric and asymmetric ones. Then, these parameters are estimated through poly-spectral analysis, i.e., bi-coherence and tri-coherence analysis, respectively. Experimental results confirm the accuracy and efficiency of the proposed solution.
    Keywords: Phase aberration function, Image de, centering error, Zernike polynomials, Chebyshev polynomials, Poly, spectral analysis
  • Amir Shahab Shahmiri, Bahareh Zamani Nezami, Dr. Saeed Shiry Ghidary Pages 43-65
    Beautiful and Meaningful Iranian Names Production by Genetic Algorithm using Artificial Neural Network-Based Fitness Function.
    Keywords: Iranian Names Lexicon, Artificial Intelligence, Etymology, Onomastics, Multi Layer Perceptron
  • Elham Ghanbari, Azadeh Shakery Pages 67-86
    Learning to rank refers to machine learning techniques for training a model in a ranking task. Learning to rank has been shown to be useful in many applications of information retrieval, natural language processing, and data mining. Learning to rank can be described by two systems: a learning system and a ranking system. The learning system takes training data as input and constructs a ranking model. The ranking system then makes use of the learned ranking model for ranking prediction. In this paper, a new learning algorithm based on ensemble learning for learning ranking models in information retrieval is proposed. This algorithm iteratively constructs weak learners using a fraction of the training data whose weight distribution is determined based on previous weak learners. The proposed algorithm combines the weak rankers to achieve the final ranking model. This algorithm constructs a ranking model on a fraction of the training data to increase the accuracy and reduce the learning time. Experimental results based on Letor.3 benchmark dataset shows that the proposed algorithm significantly outperforms other ensemble learning algorithms.
    Keywords: learning to rank, learning to rank for information retrieval, Machine learning, ensemble learning
  • Hosein Momivand Pages 87-98
    The required factors have been investigated to apply knowledge management by carrying out the field study using staff opinions of Kermanshah Telecommunication Company in this research. After indicating the required factors of applying knowledge management, relationship between each factor of knowledge process system, organizational culture and information technology system with the knowledge management have been analyzed statistically by the obtained results using SPSS program. Kermanshah Telecommunication Company has a population of 370 staff that a sample of 77 staff has been used. It has been found that there are acceptable correlation between knowledge process system, organizational culture and information technology system with the knowledge management which correlation coefficient (R) of each relationship is 0.854, 0.915 and 0.812 respectively. There are some different between the effects of knowledge process system, organizational culture and information technology system on the applying knowledge management as the effects knowledge process system, information technology system and organizational culture are in the fist, second and third step respectively.
    Keywords: knowledge management, knowledge processes, organizational culture, IT system