نشریه علوم رایانشی
سال چهارم شماره 4 (پیاپی 15، زمستان 1398)

عملیات زیادی برای برآورد میزان کود نیتروژن، درجه بندی گیاهان، تشخیص آفات و غیره به صورت معمولی در گیاهان انجام می گیرد که معمولا انجام این عملیات وقت گیر، هزینه بر و پرخطا است. اخیرا از تکنیک های پردازش تصاویر دیجیتال برای غلبه بر مشکلات فوق استفاده می گردد. با توجه به کارهای زیادی که در این زمینه صورت گرفته است، هنوز انواع اهداف پردازشی این تکنیک ها در گیاهان مشخص نشده است. لذا هدف این مقاله شناسایی برخی از کاربردها و اهداف پردازشی تصاویر دیجیتالی در گیاهان است. به عبارت دیگر، تکنیک های مختلف پردازش تصاویر دیجیتالی، بر روی چه گیاهانی به چه منظوری صورت گرفته است؟ و همچنین در زمینه استفاده از پردازش تصاویر دیجیتالی در گیاهان چه مشکلات و چالش هایی وجود دارد؟ مجموع مطالعات و بررسی ها نشان داد که تکنیک های مختلفی مانند آستانه گذاری، استخراج ویژگی هایی از قبیل لبه ها، بافت، رنگ، و ساختار و ریخت شناسی بر روی گیاهان متفاوتی از جمله سیب، طالبی، چغندرقند، پسته، آفتابگردان، پرتغال به منظور برآورد حجم، تعیین وضعیت نیتروژن، درجه بندی و گروه بندی محصولات، تشخیص عیوب ظاهری و شناسایی بیماری ها و آفت ها انجام شده است. همچنین انجام عملیات مناسب پیش پردازشی مانند حذف پس زمینه، سایه، علف های هرز و غیره برخی از چالش های موجود در این زمینه است. به علاوه نتایج شبیه سازی های ما در محیط برنامه نویسی متلب نشان داد که بین میزان نیتروژن موجود در گیاه لوبیا با مولفه های رنگی تصویر آن همبستگی وجود دارد و این همبستگی با مولفه سبز دارای بیشترین مقدار است.

از جمله مهم ترین اجزای مدارهای رقمی با کارآیی بالا فلیپ فلاپ‏های پالس‏دار هستند. عملکرد نادرست این واحدها باعث کاهش قابلیت اطمینان این مدارهای پرکاربرد در عرصه صنعت می گردد. همراه با پیشرفت فناوری ساخت مدارهای مجتمع، انواع تغییرات اعم از تغییرات ناشی از فرآیند ساخت و تغییرات ناشی از سالمندی ترانزیستورها (به طور خاص ناپایداری دمایی ناشی از بایاس) باعث افزایش نرخ خرابی در مدارهای رقمی شده و در نتیجه، منجر به کاهش قابلیت اطمینان این مدارها می گردد. در این مقاله، با استفاده از آزمایش‏های گسترده مونت کارلو و نرم افزار شبیه ساز HSPICE، قابلیت اطمینان چندین فلیپ‏فلاپ پالس‏دار با در نظر گرفتن اثرات تغییرات ساخت و تغییرات ناشی از سالمندی ترانزیستورها مورد بررسی قرار گرفته است. نتایج شبیه ‏سازی‏ها نشان می‏دهد که قابلیت اطمینان این فلیپ فلاپ ها برای 30% تغییرات ساخت و پس از 6 سال در بهترین حالت به 50/0 و در بدترین حالت به 18/0 خواهد رسید. سپس، به منظور بهبود قابلیت اطمینان این فلیپ‏فلاپ‏ها، روش تخصیص ولتاژ آستانه دوگانه پیشنهاد شده است. به این ترتیب که پس از تحلیل‏های انجام شده، با تشخیص ترانزیستورهای حساس به تغییرات، به این ترانزیستورها ولتاژ آستانه بالاتر تخصیص داده می شود و به این صورت، قابلیت اطمینان آن‏ها را در برابر اثرات انواع تغییرات افزایش می‏دهیم. نتایج به دست آمده نشان می‏دهند که با اعمال این روش، در ازای تنها %8 سربار در توان نشتی، قابلیت اطمینان این فلیپ فلاپ‏ها به طور میانگین تا 40% بهبود داده می‏شود.

شبکه های حسگر بی سیم به طور گسترده در کاربردهای نظارتی و کنترلی استفاده می شوند و به علت دور از دسترس بودن آن ها، طول عمر و قابلیت اطمینان در این شبکه ها از اهمیت ویژه ای برخوردار هستند. یکی از عوامل تهدیدکننده قابلیت اطمینان در این شبکه ها انرژی ذخیره موجود در باتری گره است، برای کاهش این محدودیت، در برخی از شبکه های حسگر بی سیم امروزی از برداشتگر انرژی برای دریافت انرژی مورد نیاز از محیط پیرامون استفاده می شود. از سوی دیگر، ویژگی های برداشتگرهای انرژی، خصوصیات جدیدی به شبکه تحمیل می کند که چالش های جدیدی در افزایش قابلیت اطمینان ایجاد می نماید. از جمله مهم ترین خصوصیات شبکه های حسگر بی سیم با برداشتگر انرژی، تفاوت در نرخ برداشت انرژی از محیط پیرامون هر گره، با توجه به شرایط محیطی است. در این پروژه تلاش شده است تا با بررسی کارهایی که در زمینه قابلیت اطمینان و افزایش طول عمر این شبکه ها صورت گرفته و با مقایسه معایب و مزایای آن ها، به راهکاری موثر برای ارسال مطمین تر بسته ها در کنار افزایش طول عمر شبکه دست یابیم. راهکار ارایه شده بر پایه افزایش توان سیگنال ارسالی گره فرستنده است که با توجه به نرخ برداشت انرژی از محیط و پیش بینی آن در آینده صورت می پذیرد. به همین منظور ما تلاش کردیم تا با توجه به نرخ متغیری که برای برداشت انرژی از محیط وجود دارد، گره هایی که انرژی بیشتری از محیط می گیرند را شناسایی کنیم و از آن ها برای کمک به گره هایی که در شرایط نامساعدتری از لحاظ برداشت انرژی هستند، استفاده کنیم. گره هایی که انرژی در دسترس بیشتری دارند، با افزایش توان ارسالی خود، علاوه بر ارسال مطمین بسته ها، باعث کاهش تعداد گره های شرکت کننده در رله کردن می شوند. انگیزش اصلی برای مطرح کردن این ایده، توجه به این مسئله است که در شبکه های حسگر بی سیم، در واحد فرستنده، بخش های مختلفی وجود دارد که بخش اعظم انرژی مصرفی مربوط به آن ها است و مقداری ثابت است. بخش کمی از انرژی مصرفی مربوط به واحد توان سیگنال رادیویی است. بدین ترتیب، با افزایش توان رادیویی در واحد فرستنده، افزایش نمایی مصرف انرژی آن بخش، مقدار چشمگیری نخواهد داشت. از آنجایی که با پایان یافتن عمر هر گره ای که قادر به برداشت انرژی کافی از محیط نباشد، عمر شبکه و کارکرد درست آن تحت تاثیر قرار می گیرد، کاهش تعداد ارسال ها گره های با محدودیت انرژی، موجب افزایش طول عمر این گره ها و نهایتا افزایش طول عمر شبکه خواهد شد. بدین ترتیب گره‎ های با انرژی بیشتر، می توانند از شرکت دادن گره هایی که انرژی کمتری دارند، در مسیریابی جلوگیری کنند و به ذخیره انرژی آن ها و افزایش طول عمر شبکه کمک کنند. به این منظور، ما با اطلاع از میزان برداشت هر گره از محیط، توان ارسالی آن را تغییر دادیم و برای جلوگیری اختلال در عملکرد لایه کنترل دسترسی رسانه، گره های همسایه را از این تغییر مطلع ساختیم. این اطلاع از افزایش توان ارسال، با اضافه کردن پارامتری در بسته ارسالی صورت می گیرد و گره دریافت کننده نیز خود را با این توان جدید سازگار می کند. همچنین هم زمان با دریافت بسته از گره های همسایه، هر گره همسایه های پرانرژی خود را می شناسد و رفتار خود را متناسب با آن ها تغییر می دهد. با اعمال این روش، نسبت دریافت بسته های سالم در شبکه هایی با تراکم گره مختلف، به طور متوسط 27% افزایش یافت.

مسئله تخصیص درجه دو یکی از مسایل بهینه سازی ترکیباتی متعلق به رده مسایل سخت بوده که دارای کاربردی وسیع در جایابی تجهیزات، طراحی صفحه کلید، طراحی تخته مدارهای کنترلی و سایر علوم مهندسی است. در این مقاله به بهبود سرعت و کارایی الگوریتم ژنتیک برای حل این مسئله پرداخته می شود. بدین منظور الگوریتم ممتیکی جستجوی ممنوعه، مطرح شده است. جستجوی ممنوعه با ایفای نقش به عنوان جستجوی محلی باعث افزایش استخراج در فضای جستجو می شود. به همین دلیل از همگرایی زودرس الگوریتم ژنتیک جلوگیری می کند. از طرفی به منظور جبران محاسبات ناشی از استفاده جستجوی ممنوعه، از واحد پردازش گرافیکی در بستر کودا برای موازی سازی پردازش ها استفاده شده است. به منظور مقایسه نتایج از مسئله تخصیص درجه دوم با اندازه های مختلف استفاده می شود. نتایج حاکی از افزایش سرعت اجرای پردازش ها تا 13 برابر نسبت به الگوریتم سریال ممتیکی جستجوی ممنوعه است. همچنین به دلیل ترکیب الگوریتم ژنتیک با جستجوی ممنوعه کارایی برای یافتن برازش مسیله، بهبود داشته است.

با افزایش حجم اطلاعات در دسترس بر روی اینترنت و پایگاه های داده، نیاز به ابزارهایی که بتوانند در جستجو، پالایش و مدیریت منابع کمک کنند، ضروری است. برای رسیدن به این منظور در این پژوهش، از دسته بندی متون با استفاده از الگوریتم های یادگیری ماشین استفاده شده است. دسته بندی یا رده بندی متون، به اختصاص یک سند متنی به یک طبقه مناسب از پیش تعیین شده گفته می شود. چالش اصلی دسته بندی متون، بزرگی فضای ویژگی ها در این گونه مسایل است. در بسیاری از الگوریتم های موجود چنین فضای بزرگی منجر به کند شدن بسیار زیاد دسته بند و ناکارآمدی آن خواهد شد. علاوه بر این ویژگی هایی وجود دارند که نه تنها باعث دسته بندی بهتر متون نمی شوند بلکه دقت دسته بندی را نیز کاهش می دهند. در این پژوهش جهت دست یافتن به کارایی مناسب ابتدا آماده سازی متون یا مجموعه داده انجام شده است. برای این منظور ابتدا اسناد متنی را به شکل یکسان (حروف کوچک) تبدیل کرده و سپس نتایج در دو حالت، بدون حذف کلمات متوقف کننده و با حذف کلمات متوقف کننده به دست آمده است. این سیستم شامل دو مرحله، پردازش متن و دسته بندی متن می باشد. در مرحله اول برای استخراج ویژگی ها از معیارهای شاخص گذاری مختلفی نظیر bigram، trigram و quadgram استفاده شده، سپس در مرحله دوم برای آموزش سیستم از الگوریتم یادگیری ماشین W-SMO استفاده شده است. به منظور ارزیابی و مقایسه نتایج دو معیار دقت و بازخوانی،Macro-F1 و Micro-F1 برای روش های مختلف شاخص گذاری محاسبه شده اند. نتایج آزمایش ها که بر روی 7676 سند متنی استاندارد خبرگزاری رویترز انجام گرفت، نشان داد که روش پیشنهادی بهترین کارایی را نسبت به الگوریتم های W-j48، Naïve Bayes، K-NNو W-LADTREE دارد. بررسی نتایج نشان می دهد که روش پیشنهادی باعث بهبود دقت میکرو تا 95.17% در دسته بندی متون می گردد.

هدف اصلی این پژوهش بررسی میزان کاهش مصرف انرژی در مراکز داده با استفاده از فنون مجازی سازی و مقیاس بندی پویای ولتاژ و فرکانس (DVFS) است. فن DVFS این قابلیت را به کارسازهای فیزیکی و همچنین ماشین های مجازی می دهد که در زمان کاهش درخواست منابع، مصرف انرژی کمتری داشته باشند. در این پژوهش، با ارایه چندین سناریو به تاثیر تعداد ماشین های مجازی و نیز فعال سازی یا عدم فعال سازی ویژگی DVFS در میزان مصرف انرژی در مراکز داده پرداخته می شود. همچنین با استفاده از مقدار توان مصرفی کارسازها، سوییچ ها و نیز تجهیزات جانبی مرکز داده (نظیر خنک کننده و روشنایی) شاخص های PUE و NPUE محاسبه می گردد. نتایج شبیه سازی با استفاده از شبیه ساز گرین کلود نشان می دهد که با استفاده از فنون DVFS و مجازی سازی می توان تا حدود 60 درصد در مصرف انرژی مراکز داده صرفه جویی نمود. این پژوهش نشان می دهد چگونه با استفاده از خنک کننده های هوشمند می توان مصرف انرژی و شاخص PUE را بهبود بخشید.