نشریه علوم رایانشی
سال پنجم شماره 1 (پیاپی 16، بهار 1399)

یکی از روش های رایج برای خرید و فروش کالا از طریق حراج برخط است. تعداد خریداران برخط اینترنتی به سرعت در حال رشد است. اما مشکل عمده ای که در خیلی از حراج های برخط مطرح می شود، وجود تقلب حراج است. خیلی از مشتریان حراج برخط، قربانی تقلب حراج می شوند، و اکثر قربانیان تقلب حتی مدت ها بعد از پایان حراج از جریان تقلب بی خبر و ناآگاه می مانند. تقلب حراج می تواند به منافع فروشنده و منافع خریدار آسیب وارد نماید. این تحقیق بر روی تقلب حراج و روش های تشخیص و جلوگیری آن تمرکز دارد. تقلب حراج انواع مختلفی داشته و تقلب خاصی که در این تحقیق مورد بررسی قرار می گیرد تقلب همدست فروشنده نام دارد. برای تشخیص این نوع تقلب از الگوریتم نمره همدستی استفاده می شود. این الگوریتم به شرکت کنندگان حراج با توجه به درجه شباهت رفتار آن ها نسبت به رفتارهای رایج در تقلب همدست فروشنده، نمره ای تخصیص می دهد. برای این که شرکت کننده ای به عنوان متقلب همدست تشخیص داده نشود لازم است همچون شرکت کنندگان عادی رفتار کند، و در نتیجه از ارایه پیشنهادهای همدست منصرف شود. در این تحقیق، عملکرد این الگوریتم با پارامترهای مختلفی مورد امتحان قرار گرفته، و در همگی حالاتی که از پارامترهای عادی و مناسب استفاده شده، نتایج دریافت شده حضور متقلب همدست را تشخیص می دهند. از این الگوریتم می توانیم به عنوان پایه برای روش های تشخیص پیچیده تر تقلب همدست استفاده کرد.

مسئله شناسایی موجودیت های اسمی به عنوان یکی از شاخه های پردازش زبان طبیعی و زیرمجموعه ای از استخراج اطلاعات به شمار می رود. هدف اصلی در تشخیص موجودیت های اسمی، دسته بندی اسامی خاص متن با برچسب هایی مانند شخص، مکان و سازمان است. امروزه اکثر روش هایی که برای این منظور معرفی شده اند سعی در استفاده از ویژگی هایی دارند که مختص به یک زبان خاص نیست. از جمله این روش ها می توان به استفاده از شبکه عصبی با حافظه بلند مدت – کوتاه مدت اشاره کرد. آموزش این شبکه های عصبی به وسیله استخراج ویژگی ها از بردارهای کلمات در سطح نویسه و بردارهای کلمات از پیش آموزش دیده انجام می گیرد. دراین مقاله مدل جدیدی برای ساخت نمایش های برداری کلمات پیشنهاد می شود که از ترکیب بردار نحوی کلمه با دو بردار کلمه قبلی به دست می آید. بردار نحوی کلمه شامل اطلاعات نحوی موجود در جمله مانند موقعیت کلمه در جمله، نقش کلمات و ارتباط نحوی آن ها با یکدیگر است. استفاده از این روش باعث توسعه سیستم هایی می شود که کمترین وابستگی را به دامنه دارند. کارایی روش پیشنهادی بر روی مجموعه داده موجودیت های اسمی مورد ارزیابی قرار گرفته است. نتایج به دست آمده، نشان دهنده بهبود قابل ملاحظه ای در مقایسه با سایر روش های مطرح در حوزه تشخیص موجودیت های اسمی می باشد.

این مقاله علاوه بر مرور ساختار پردازشی و قابلیت های پردازنده گرافیکی به تسریع های به دست آمده برای محاسبات عمومی و به طور خاص، شبکه های عصبی و یادگیری عمیق می پردازد. توسعه ابزارها، کتابخانه ها و چارچوب های یادگیری ماشین برای پردازنده گرافیکی همچنان نیازمند توسعه است. برای مقیاس پذیری روی چند پردازنده گرافیکی، موضوعاتی نظیر پشتیبانی کتابخانه ها و ابزارها از ارتباطات میان پردازنده های گرافیکی و رفع نیاز به بازنویسی کد توسط کاربر نیازمند توجه هستند. یکی از موانع محاسبات حجیم از جمله یادگیری عمیق، انرژی بر بودن آن هاست و گرایش فعلی به سمت طراحی کمک پردازنده های اختصاصی است. سازندگان پردازنده های گرافیکی نیز با معرفی ریزمعماری ولتا انویدیا، یک رویکرد سخت افزار اختصاصی در هوش مصنوعی و یادگیری ماشین در پیش گرفته اند. این گونه معماری پردازنده های گرافیکی (ولتا و تورینگ) در مقایسه با سایر شتاب دهنده های سخت افزاری نظیر اف.پی.جی.ای. و ای.سیک. ، از حیث کارآمدی انرژی و کارایی اجرای الگوریتم های یادگیری عمیق قابل رقابت هستند.

در سال های اخیر شناسایی احساسات مختلف چهره به دلیل کاربردهای فراوان مانند تشخیص خستگی رانندگان، شناسایی وضعیت روحی بیمار، کشف دروغ و سیستم آموزش خودکار مورد توجه بسیاری در تحقیقات بینایی ماشین قرارگرفته است. به دلیل تنوع افراد و تغییرپذیری حالات چهره، شناسایی این احساسات با دقت بالا هنوز هم به عنوان یک مسئله چالش برانگیز مطرح است. در این مقاله حالات مختلف چهره مانند خشم، ترس، انزجار، شادی، غم و تعجب معرفی می شوند و نه پایگاه داده تصویری که در پژوهش های تشخیص حالات چهره مورد استفاده قرارگرفته اند مورد مقایسه قرار می گیرند. یک سیستم تشخیص حالات چهره دارای دو بخش مهم استخراج ویژگی و طبقه بندی حالات است. برخی از روش های استخراج ویژگی مانند مدل ظاهری، هیستوگرام گرادیان جهت دار و الگوی دودویی محلی و روش های طبقه بندی حالات چهره مانند ماشین بردار پشتیبان و شبکه عصبی پیچشی معرفی می شوند. مجموع مطالعات و بررسی ها نشان داد که روش های مبتنی بر شبکه عصبی پیچشی نسبت به بقیه روش ها دارای بالاترین دقت در تشخیص حالات چهره است. ولی تنوع داده های تصویر چهره از نظر سن، جنسیت، نژاد، شرایط انسداد، تغییرات روشنایی، دوری و نزدیکی و همچنین تشخیص حالات دیگر از قبیل هیجان، تاسف و خستگی از چالش های پیش رو است که پژوهش در این زمینه ادامه دارد.

امروزه موتورهای جستجوگر از روش های وب کاوی برای نشان دادن نتایج بهتر استفاده می کنند که در لیست نتایج خود پیوندهای زیادی از صفحات وب را به کاربران نمایش می دهند و برای بهینه و محدود کردن لیست نتایج موتورهای جستجو از الگوریتم های رتبه بندی استفاده می شود. در این مقاله یک روش جدید که ترکیبی از الگوریتم HITS با الگوریتم Distance Rank است برای بهبود نتایج در موتورهای جستجو ارایه شده است که در روش پیشنهادی از فرایند اصلی الگوریتم Distance Rank برای بهبود الگوریتم HITS استفاده شده است. مشکل اصلی الگوریتم HITS این است که رتبهبندی صفحات وب براساس میزان ارتباط آن ها با پرس وجوی کاربر است. اما در الگوریتم Distance از فاصله لگاریتمی میان صفحات به منظور رتبه بندی استفاده می شود. ارزیابی روش پیشنهادی بر روی سه مجموعه داده شامل گراف استاندارد، گراف تصادفی، گراف دانشگاه آزاد اسلامی واحد ارومیه انجام گرفته که نتایج نشان می دهد که روش پیشنهادی در مقایسه با الگوریتم های دیگر عملکرد بهتری دارد و توانسته است رتبه بندی متفاوت و بهتری نسبت الگوریتم پایه HITS و سایر الگوریتم های رتبه بندی مانند Distance Rank و PR و WPR داشته باشد. همچنین الگوریتم های پیشنهادی برمبنای معیارهای P@n، AP و NDC مورد ارزیابی قرار گرفت که نتایج نشان می دهد که روش پیشنهادی به ترتیب مقدار 1 و 1 و 1/8 را به دست آورده است.

سامانه های ته نقش گذاری تصویر در هر کاربرد به ویژگی های خاصی نیاز دارند. از مهم ترین ویژگی های مشترک این سامانه ها شفافیت و مقاومت است. شفافیت و مقاومت به ضریبی به نام قوت ته نقش وابسته است. در اثر افزایش قوت ته نقش مقاومت افزایش و شفافیت کاهش می یابد و لذا داشتن دو ویژگی مقاومت و شفافیت به طور هم زمان امکان پذیر نیست و باید با انتخاب قوت ته نقش مناسب، مصالحه ای بین این دو ویژگی برقرار کرد. در این مقاله با استفاده از اتوماتای سلولی یادگیر، الگوریتمی ارایه شده است که تابع برازندگی پیشنهادی را افزایش داده و قوت ته نقش مناسب را جست وجو می کند. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی جواب های مناسبی را در مقایسه با روش ژنتیک تولید می کند.