مجله فناوری اطلاعات در طراحی مهندسی
سال ششم شماره 2 (پاییز و زمستان 1392)

رفتار تکاملی و پیچیده اتوماتای سلولی باعث کاربرد آن در تولید اعداد شبه تصادفی، رمزنگاری اطلاعات و حل مسائل بهینه سازی شده است. در تولید اعداد شبه تصادفی، این ساختارتوانایی تولید دنباله نامحدود و طولانی ندارد و این باعث شده است که برای افزایش دنباله اعداد از اتوماتای سلولی غیرهمگن(با قوانین متغیر) و یا از عامل های تحریک کننده اتوماتای سلولی با ترکیب چند اتوماتا استفاده شود. در این مقاله از اتوماتای سلولی ترکیبی غیرهمگن با کمک مورچه های لانگتون، برای تولید اعداد شبه تصادفی استفاده شده است. مورچه های لانگتون یک سیستم دینامیکی گسسته می باشند که دارای رفتاری بسیار پیچیده هستند.اتوماتای سلولی به عنوان مولد اعدد شبه تصادفی و مورچه لانگتون به عنوان محرک اتوماتای سلولی و انتخاب کننده قانون اتوماتا است.نتایج به دست آمده نشان می دهد که در این روش، برخلاف انتظار، مورچه های لانگتون و اتوماتای سلولی رفتار آشوب گونه ندارند و رفتاری شبه تصادفی از خود نشان می دهند که در نتیجه باعث به وجود آمدن دنباله ای بسیار طولانی با تعداد محدودی سلول می شود؛ به طوری که با n سلول به دنباله ای با طول 2^3n می توان دست یافت. در این راستا آزمونهای مولد اعداد شبه تصادفی انجام شده همچون آزمون آنتروپی، آزمون Diehard و NIST و آزمونهای دیگر نشان دهنده موفقیت این مولد در ایجاد دنباله شبه تصادفی است.

مفصل مچ دست، یکی از مفاصل پیچیده بدن انسان است که نقش مهمی در اکثر فعالیتهای شغلی و روزمره انسان دارد و تحت تاثیر تنشهای مکانیکی قرار گرفته است و در معرض آسیبهای گوناگون می باشد. عوارض و ناراحتی های این مجموعه، طیف قابل ملاحظه ای از افراد جامعه را تحت تاثیر قرار داده است. اندازه گیری سفتی فعال مفصل مچ در طی حرکت رهایی سریع بعد از اعمال ماکزیمم گشتاور ارادی، گامی در جهت کمی کردن سفتی فعال و سفتی الاستیک جزء سری و تعیین سهم بافتهای تشکیل دهنده و در نهایت، کمک به تشخیص صحیح بیماری و ناراحتی های مفصل مچ که ناشی از فعالیتهای شغلی است، می باشد. پژوهشهای انجام شده دستگاهی طراحی و ساخته شد که توسط آن انجام آزمایش حرکت رهایی سریع به منظور سنجش سفتی فعال مفصل مچ از طریق اندازه گیری میزان ماکزیمم گشتاور ارادی، موقعیت زاویه ای و شتاب زاویه، ممکن گردید. تست تکرار پذیری دستگاه بر اساس آزمونهای آماری انجام گردید که نشان دهنده قابلیت اطمینان و کارایی بالای دستگاه در مقایسه با نمونه های قبلی بود.

اخیرا سیستم های برچسب زنی اجتماعی به صورت روز افزون متداول شده و در حال افزایش می باشد. این سیستم ها به کاربران اجازه می دهد تا منابع مورد نیاز خود را به صورت آزادانه سازماندهی، مدیریت و جستجو نمایند. از چالش های این نوع سیستم ها می توان به حجم بالای داده، داده ناسازگار، استفاده از الگوریتم های زمانبر یادگیری ماشین و عدم قابلیت اجرا و تطبیق در دنیای واقعی اشاره نمود. این چالش ها سبب افزایش روز افزون تحقیقات در سالهای اخیر شده است. راهکار این چالش ها سیستم های پیشنهاد دهنده می باشد، به همین دلیل سیستم پیشنهاد دهنده منابع را بر اساس برچسب معرفی نموده ایم که توانایی کمک به کاربر در انتخاب منبع مناسب و یکپارچه نمودن این منابع در بین تمام کاربران را پوشش می دهد. این سیستم به دلیل ترکیب و یکپارچه نمودن روش های مبتنی بر محتوا، مبتنی بر مشارکت، کلمات مرتبط و پروفایل کاربر سبب حذف مشکل شروع- سرد در ابتدای کار سیستم می شود. اگر سیستم دارای هیچ اطلاعاتی نباشد و برای اولین بار اقدام به فعالیت نماید، با استفاده از محتوای منبع و کلمات مرتبط اقدام به ارائه پیشنهاد به کاربر می کند که این بزگترین مزیت سیستم می باشد. در این سیستم، پیشنهادات بر اساس علائق شخصی کاربر، علائق کاربران مشابه، محتوای منابع مورد نظر و پایگاه های اطلاعاتی مرتبط با هستی شناسی و کلمات مرتبط انجام می شود. ارزیابی سیستم پیشنهادی بر روی مجموعه داده استخراج شده از سایت دلیشز انجام شده است. نتایج به دست آمده از آزمایشها، بهبود صحت در ارائه پیشنهادات و کارایی این سیستم را در مقابل روش پیشنهاد ترکیبی تا 67 درصد افزایش می دهد.

جراحی افتادگی یکی از شایع ترین روش های جراحی زیبایی است که با برداشتن پوست اضافی و اصلاح موقعیت پلک باعث بهبود قابل توجهی در ظاهر فرد می شود. بنابراین تعیین دقیق پارامترهای ناحیه چشم، تاثیر زیادی در نتیجه جراحی خواهد داشت. لذا به منظور یافتن پارامترهای ناحیه پلک، استخراج مرز مردمک ضروری خواهد بود. در این تحقیق برای استخراج مرز مردمک از یک روش مبتنی بر الگوریتم تکاملی ژنتیک استفاده می شود که هدف اصلی آن یافتن ناحیه مردمک چشم با کمترین مقدار سطوح خاکستری و آنتروپی و نیز بیشترین مقدار اختلاف سطوح خاکستری ناحیه مردمک با نواحی مجاور است. نتایج حاصل از استخراج مرز مردمک و پارامترهای ارزیابی محاسبه شده برای روش ارائه شده با چند مقاله دیگر مورد مقایسه قرار می گیرد. میانگین دقت و حساسیت روش ارائه شده برای دو بانک تصویر معروف مورد استفاده، به ترتیب برابر با 99/80 و 95/17 می باشد.

افزایش حجم اطلاعات در وب، انگیزه اصلی ایجاد سیستم های پیشنهاددهنده است. چنین سیستم هایی کاربران را درحالی که با فضای اطلاعاتی بزرگی در ارتباط هستند پشتیبانی کرده و آنها را به سمت اطلاعات مورد نیازشان هدایت می کند. سیستم های پیشنهاد دهنده با مشکلاتی از قبیل کاربر جدید و پراکندگی داده ها مواجه هستند. همچنین این سیستم ها کمتر به دانش حوزه کاربردی و آنتولوژی سایت توجه می کنند. در این مقاله سیستم پیشنهاد دهنده ای به نام OntoTimes معرفی می شود که علاوه بر در نظرگرفتن روابط معنایی برچسب های منتسب شده توسط کاربران با آنتولوژی سایت، علایق زمانی کاربران را نیز در ارائه پیشنهادات در نظر می گیرد. ارزیابی های انجام شده نشان می دهد که سیستم پیشنهاد دهنده OntoTimes به دلیل توجه به فاکتور زمان، نسبت به سیستمی که فقط مبتنی بر آنتولوژی است به دقت بهتری، به مقدار 47% در مقابل 37% رسیده است.