یکی از چالشبرانگیزترین موضوعات مرتبط با وبسرویسها مساله ترکیب آنهاست که به صورت یک گراف برای نمایش تعامل بین سرویسها ارائه میشود. هر گره از این گراف، یک وبسرویس انتزاعی با وظیفه مشخص اما ویژگیهای کیفی نامشخص است. برای هر سرویس انتزاعی، مجموعهای از سرویسهای کاندید با وظیفه یکسان اما ویژگیهای کیفی متفاوت وجود دارد. جایگزینی یک وبسرویس کاندید برای هر سرویس انتزاعی به نحوی که یک ترکیب بهینه حاصل شود، یک مساله NP-hard است، لذا برای حل آن از الگوریتمهای هیوریستیک استفاده میشود. تاکنون روشهای متعددی برای ترکیب بهینه وبسرویس ها ارائه شده اما بیشتر این روشها ساختار احتمالی را پشتیبانی نمیکنند. تنها یک روش ساختار احتمالی را پشتیبانی میکند که برای گراف های بزرگ مقیاسپذیر نیست، مبتنی بر قیود است و به تحلیل هر مسیر گراف به صورت جداگانه پرداخته است. این مقاله، رویکردی مقیاسپذیر و چندهدفه برای تحلیل گراف به صورت یکپارچه ارائه میدهد که علاوه بر پوشش دو الگوی جدید حلقههای تودرتو و حلقههای موازی، با ارائه روشی جهت سادهسازی ترکیب وبسرویسها موجب بهبود کارایی نیز میشود. در این روش برای انتخاب بهینه وبسرویسها و حفظ مقیاسپذیری، از الگوریتمهای تکاملی NSGAII و SPEAII استفاده میشود. در روش پیشنهادی ابتدا در گرافهایی با الگوی شرطی، هر مسیر بر حسب احتمال آن، چند بار میشود و سپس از الگوریتم NSGAII به منظور تعیین بهترین مسیر در گراف و یافتن راهحلهای بهتر استفاده میشود. روش پیشنهادی در مقایسه با بهترین روش مقایسه شده، 30 درصد در پارامتر قابلیت اطمینان و 121 میلی ثانیه در زمان پاسخ بهبود داشته است.
نشاننگاری به عنوان شاخهای از فرآیند پنهان سازی اطلاعات محسوب میشود که روشی مناسب در حفاظت حق نشر و جلوگیری از تکثیر غیرقانونی اطلاعات است. در واقع، در نشاننگاری، به منظور حفاظت حق نشر یک داده، اقدام به قرار دادن نشانی از مالک داده در دادهای دیگر مانند تصویر و ویدیو میکنند. در این مقاله، با هدف حفاظت از حق نشر، تصویری به نام تصویر نشان را به عنوان ردی از مالک در تصویر میزبان قرار میدهیم. در این زمینه، تا به امروز روشهای متفاوتی مانند استفاده از تبدیلهای موجک، فوریه و یا ترکیب این تبدیلها با تجزیههای مختلف ماتریس معرفی گردیده است. در این مقاله، با روشی کاملا مبتنی بر تجزیه ماتریس به نشاننگاری میپردازیم. روش پیشنهادی، دارای دو مرحله جایگذاری و بازیابی تصویر است. در مرحله جایگذاری، تصویر نشان را در تصویر میزبان جای میدهیم. بدین منظور، ابتدا ماتریسهای متناظر با تصاویر میزبان و نشان را با یکی از چهار تجزیهی متداول مقادیر تکین (SVD)، QR، هسنبرگ، و شور تجزیه میکنیم. سپس در تجزیههای بدست آمده برای تصاویر نشان و میزبان، ماتریسی که دارای کمترین تعداد مؤلفه ناصفر است را به عنوان ماتریس منتخب در نظر میگیریم. سپس ضریبی از ماتریس منتخب مربوط به تصویر نشان را به ماتریس منتخب مربوط به تصویر میزبان میافزاییم. در ادامه، از ضرب ماتریس حاصل، در سایر ماتریسهای مربوط به تصویر میزبان، ماتریسی ایجاد میشود که اندکی متفاوت از ماتریس متناظر با تصویر میزبان است. تصویر حاصل از این ماتریس، تصویر نشانشده است که اثری از مالک در آن مخفی است. در مرحلهی بازیابی، با انجام وارون عملیات نشانگذاری، تصویر نشانشده را بازیابی میکنیم. در این صورت به صحت مالکیت یا عدم مالکیت شخص مدعی آن اثر پی میبریم. در هر دو مرحله جایگذاری و بازیابی، دقت روش را با پارامترهای PSNR و SSIM میسنجیم. به منظور ارزیابی روش پیشنهادی، از تصاویر موجود در مجموعه دادههای USC-SIPI استفاده نمودهایم. بالاترین مقدار مؤلفههای PSNR و SSIM، به ترتیب برابر با 35/51 و 9994/0 و با استفاده از تجزیه هسنبرگ به دست میآید. این مقادیر، به معنای بالاتر بودن دقت بصری تصویر و کارآمد بودن تجزیه هسنبرگ در روش پیشنهادی است. در میان این چهار تجزیه، تصویر نشان با استفاده از تجزیه شور قابل بازیابی نمیباشد که این خود دال بر ضعف تجزیه شور است. همچنین نتایج حاصل از روش پیشنهادی با نتایج برخی از مقالات سالهای اخیر که تنها از تصاویر خاکستری در آزماشیات خود استفاده نمودهاند، مقایسه شده و میزان بهبود 10 درصدی پارامتر PSNR و برابری پارامتر SSIM، در مقایسه با دقیقترین مقادیر این پارامترها حاصل شد.
از آنجاییکه اجزای پویا، همراه با محدویتهای غیرخطی و اهداف متعدد، یکی از خصوصیتهایی است که بهطور مکرر در مسائل دنیای واقعی ظاهر میشود و چون زمان زیادی است که محاسبات تکاملی وارد حوزه کاربردهای صنعتی شده است (بهخصوص بهعلت توانایی آنها در مواجهه با محیطهای چندهدفه و غیرخطی) انتظار میرود که هرچه زودتر توجه به این زمینه در جامعه علمی رشد پیدا کند.امروزه استفاده از الگوریتمهای تکاملی که بر اساس رفتارهای زیستی طبیعی بهوجود آمدهاند برای حل این مسائل از اهمیت ویژهای برخوردار هستند. از جمله این الگوریتمها میتوان به الگوریتم ژنتیک اشاره نمود. هدف این مقاله و ادعای اصلی آن، امکان طراحی پروتکلهای الهام گرفته از طبیعت در الگوریتم ژنتیک است که روی بهینهسازی در محیطهای پویا موثر باشد، در حالیکه پیچیدگی الگوریتم را حفظ کند و تغییرات در فضای مسئله بهصورت دورهای رخ دهد. در این مقاله، یک الگوریتم ژنتیک بهبودیافته (خودسازمانده بحرانی) مبتنی بر حافظه برای حل مسائلبهینهسازی پویا ارائه شده است. در الگوریتم ارائهشده، از یک عملگر جهش خودسازمانده که مبتنی بر مدل تپه شنی است، استفاده شده است. عملگر جهش خودسازمانده یک عملگر جهش هست که میتواند نرخهای جهش خودتنظیمشونده را با یک توزیع ویژه بر مبنای مدل تپه شنی انجام دهد که این برای بهینهسازی پویا مناسب است. اگر تغییرات بهصورت دورهای رخ دهند، بهطور معمول استفاده از اطلاعات گذشته اجازه میدهد الگوریتم بهسرعت بعد از تغییر محیط به سازگاری در شرایط محیطی جدید برسد. ایده مورد نظر در این زمینه، استفاده از یک حافظه میباشد. یکی از چالشهای اساسی در بهکارگیری حافظه، تنوع میباشد. برای افزایش سطح تنوع از یک حافظه تخمبن تراکم با خوشهبندی گاوسی استفاده شده است. همچنین از راهکاری برای جایگزینی و بازیابی در حافظه استفاده شده است. در طرح پیشنهادی ابتدا جهش خودسازمانده بحرانی جدید، با سایر الگوریتمهای ژنتیک ارائه شده توسط سایر محققین ترکیب شده ونتایج حاصل شده نشان میدهد که این روش توانسته بهکرات سایر الگوریتمهای ژنتیک را برای محیطهای پویا بهبود بخشد. در نهایت روش پیشنهادی این مقاله که ترکیب خودسازماندهی بحرانی جدید با حافظه تخمین تراکم گوسی است ارائه شده است. نتایج این روش با سایر روشهای مشابه که با راهکار جهش خودسازمانده جدید نتایجشان بهبود داده شده است، مقایسه خواهد شد. نتایج حاصل بر روی مسائل محک مختلف باعنوان توابع تله پویا، آزمایش شده است. نشان داده شده که روش پیشنهادی، حتی از روشهای رقیب که با روش جهش خودسازمانده جدید، بهبود یافتهاند نتایج مناسبتری را تولید کرده است. معیار ارزیابی در این مقاله معیار کارآیی برونخطی میباشد. نتایج آزمایشها نشان میدهند که روش پیشنهادی موثر هست چراکه با روشهای دیگر در پارامترهایی از محیطهای پویا مقایسه گردیده که آنها بهترین کارایی را دارا هستند.
After the outbreak of the coronavirus disease in late 2019 (COVID-19), an infectious disease caused by a newly discovered coronavirus SARS-CoV-2, the number of confirmed cases worldwide has reached more than 4.2 million, resulting in a death toll of more than 293 thousand (as of May 13, 2020). Common symptoms associated with COVID-19 include fever, cough, loss of appetite, fatigue, short of breath and muscle aches. Loss or disturbances in taste and smell have also been reported in some cases. While most of the focus on COVID-19 has been on its pulmonary complications like pneumonia and acute respiratory distress syndrome (ARDS), emerging evidence suggests that cardiovascular (CV) complications, resulting either from SARS-CoV-2 infection or from adverse effects of pharmacologic therapeutics, could contribute significantly to the mortality associated with COVID-19. This article briefly summarized recent reports on the cardiovascular complications linked to COVID-19 that every cardiologist should be aware of when treating these patients.
十二年國民基本教育於108學年度全面實施，配合課程綱要改革時程，大學入學政策也於111學年度調整。本文將大學多元入學政策的改革視為一論述場域，將本次改革歷程作為個案，探究大學端、高中端與教育團體等利益關係人對改革目標的論述，資料蒐集範圍包含政策文本與媒體報導，採Fairclough的批判論述分析方法，以文本分析和論述實踐分析為主。研究結果顯示，大學考招論述在傳統人力資本論的影響下，分化為個人層次的「以功績主義分配大學教育機會」和國家層次的「保障國家人才素質」兩種主流論述，本研究闡明利益關係人如何利用不同媒體管道和政策文本建構相對應的論述。
در دهه اخیر کاربرد تکنیکهای داده کاوی و روشهای هوشمند جهت استخراج دانش به صورت خودکار از مجموعه انبوه دادهها مورد توجه پژوهشهای زیادی قرار گرفته است.باتوجه به ساختار نمایش دانش مبتنی بر قوانین و قابلیت تفسیر بالای این روش در بیان الگوهای پنهان در اطلاعات، استخراج الگوهای پنهان در قالب مجموعه قوانین،از اهمیت بالایی در سیستمهای هوشمند تصمیم یار برخوردار است.این مقاله پس از مرحله پیش پردازش در ابتدا به سراغ روش استخراج قوانین به صورت مستقیم از روی مجموعه دادهها می رود و بعد تکنیک استخراج قوانین با روش طبقه بندی فازی را از روی مجموعه قوانینی که در مرحله قبل بدست آمد را بررسی نموده که در این مرحله قوانین ناسازگار، تکراری و متناقض حذف خواهند شد.از آنجاییکه یکی از چالشها در سیستمهای هوشمند ومدیریت مباحث عدم قطعیت از جمله فازی این است که آموزشی در آنها اتفاق نمی افتد به منظور دست یافتن به مجموعه قوانین بهینه به سراغ الگوریتم ژنتیک رفته و علاوه بر کاهش مجدد قوانین تکراری، بهبود قوانین فازی را خواهد داشت . روش فازی_ژنتیک پیشنهادی از 5دیتاست مشهور استفاده کرده است که در 3دیتاست کارایی بیشتری نسبت به روشهای طبقه بندی کلاسیک رگرسیونSVM و Naive Bayes داشته است
بلاکچین یک دفترکل دیجیتال توزیع شده و غیرقابل انکار است که تراکنشها را در زنجیرهای از بلاک ها با امنیت بالا ذخیره می کند. بلاکچین توانایی حل مشکلات مربوط به امنیت و حریم خصوصی در دامنه های مختلف را دارد. هدف این پژوهش انجام یک مطالعه ی علم سنجی بر روی پژوهشهای امنیت و حریم خصوصی حوزه بلاکچین در پایگاه وب آو ساینس است تا تصویری عینی از وضعیت این پژوهشها ارائه دهد. این پژوهش با بکارگیری فنون علم سنجی انجام شده است. جامعه ی پژوهش را تعداد 1226 رکوردی تشکیل می دهد که توسط پژوهشگران حوزه ی بلاکچین در زمینه امنیت و حریم خصوصی در نمایه نامه های وب آو ساینس، در بازهی پنج ساله (بین سال های 2015 تا 2019) وارد شده اند. در این مقاله، تاثیرگذارترین کشورها، شبکه همکاری بین کشورها و دانشگاههای برتر، برترین پژوهشگران، پرتکرارترین کلیدواژه ها و تحلیل خوشهای کلیدواژههای این حوزه مورد بررسی قرار گرفته است. با توجه به نتایج حاصل از این پژوهش می توان چنین اظهار داشت که پژوهشهای امنیت و حریم خصوصی حوزه بلاکچین در آی.اس.آی طی مدت این پنج سال رشد چشمگیری داشته است و از بلاکچین بیشتر برای حل مشکلات مربوط به امنیت و حریم خصوصی حوزه اینترنت اشیا و کاربردهای آن استفاده شده است.
یکی از مهمترین روشهای تشخیص عیب در ترانسفورماتورها (خصوصا عیوب مکانیکی) روش تحلیل پاسخ فرکانسی (FRA) است. مهمترین گام در فرآیند تشخیص عیب به کمک FRA، متمایز کردن عیوب و قرار دادن آنها در کلاسهای متفاوت است. در این مقاله از روش هوشمند ماشین بردار پشتیبان (SVM) برای طبقهبندی عیوب ترانسفورماتور استفاده میشود. برای این منظور، دو گروه از ترانسفورماتورها مورد آزمایش قرار گرفته است. ابتدا آزمایشهای لازم بر روی ترانسفورماتورهای مدل تحت شرایط سالم و تحت شرایط عیوب مختلف (جابجایی محوری، تغییر شکل شعاعی، تغییر فاصله بین بشقابها، اتصال کوتاه بین بشقابها و تغییر شکل هسته) انجام میشود. سپس با تقسیمبندی بازههای فرکانسی توابع تبدیل اندازهگیری شده از ترانسفورماتور، یک مشخصه جدید مبتنی بر تکنیک همبستگی متقابل برای آموزش و اعتبارسنجی SVM پیشنهاد میشود. بعد از انجام فرآیند آموزش، با اعمال دادههای بهدستآمده از ترانسفورماتورهای واقعی، عملکرد SVM در حالتهای مختلف مورد ارزیابی و مقایسه قرار گرفته و مناسبترین شاخص ارائه میشود.
بیشتر انسانها حداقل یکبار در طول زندگیشان درد در ناحیه پایین کمر را احساس نمودهاند. فتق دیسک بین مهرهای کمر یکی از عمدهترین علل درد در ناحیه پایین کمر میباشد. روشهای درمان فتق دیسک بین مهرهای کمر بسیار متنوع میباشند. بنابراین، تشخیص اندازه دقیق فتق و مکان آن میتواند به متخصصها در انتخاب بهترین روش درمان بسیار یاری رساند. در این پژوهش یک روش خودکار برای تشخیص بیماری دیسک کمر با استفاده از تصاویر MR ارائه شده است. برای رسیدن به این منظور، از130 تصویر MR استفاده شده است. در روش پیشنهادی با استفاده از سه الگوریتم رشد ناحیهای، آتسو و کانتور فعال دیسکهای بین مهرهای کمر و محدوده آنها به دقت از پس زمینه تصویر جدا شده است. و در ادامه پس از استخراج ویژگیهای شاخص تصویر، نمونهها توسط دسته بند SVM با دقت 89.9% به دو دسته سالم و ناسالم تقسیم شدند. دقت کار با سایر دسته بندها نظیر KNN، Ensemble و درخت تصمیم مورد مقایسه قرار گرفت. درنهایت مشخص شد، دسته بند SVM بالاترین دقت در دسته بندی داده ها را دارا میباشد.
نظرات، نقش مهم و تعیین کنندهای در فرایند تصمیمگیری چه برای مشتریان و چه برای سازمانهای تجاری ایفا میکنند. از این رو، وجود سیستمهای خودکار نظرکاوی برای دادههای نظری موجود در وب، ضروری به نظر میرسد. از طرفی، با حجم بالا و رشد روزافزون دادههای نظری روی وب، فرایند نظرکاوی میتواند با چالشی بزرگ روبهرو شود؛ چرا که پردازش و تحلیل این حجم عظیم از دادهها با تکنولوژیهای متداول، ممکن است عملی نباشد. در صورتیکه که سیستمهای کاوش نظرات به تکنولوژیهای دادههای عظیم مجهز شوند، بدون نگرانی از مدیریت، ذخیرهسازی و مدیریت حجم روزافزون دادههای نظری، میتوانند به کار خود ادامه دهند. با آنکه در سالهای اخیر تحقیقات زیادی در حوزه تحلیل حسی نظرات انجام شده است، اما تلاشهای کمی در حوزه کاوش دادههای نظری در حیطه زبان فارسی در مقیاس بالا انجام گرفته است. از این رو، در این تحقیق، دو روش نظرکاوی برای دادههای زبان فارسی با استفاده از یک لغتنامه حسی زبان فارسی در بستر تکنولوژی دادههای عظیم ارائه شدهاست. برای ذخیرهسازی و پردازش دادههای نظری از چارچوب متداول و کارای هدوپ و مدل برنامهنویسی نگاشت_کاهش (MapReduce) استفاده شده است. چارچوب پیشنهاد شده برای نظرکاوی، دارای قابلیت بکارگیری و مقیاس پذیری برای بسیاری از روشهای تحلیل حسی بر روی حجم بالای نظرات میباشد. علاوه بر این، در این پژوهش آزمایشهای متعددی انجام شده است که کارایی استفاده از تکنولوژیهای دادههای عظیم را در موقعیتهای مختلف مورد بررسی قرار میدهد. نتایج به دست آمده حاکی از آن است که چارچوب پیشنهادی برای نظرکاوی به شکلی کارا عمل کرده و نه تنها برای حجمهای بالا بلکه در حجمهای حدود 20 مگابایت شاهد افزایش 100 برابری در کارامدی هستیم. این ضریب در حجمهای بالاتر بیشتر به شکل محسوستری افزایش مییابد.
رشد جمعیت جوامع و ارتقای سطح زندگی، لزوم بهرهگیری از روشهای جدید بهمنظور تهیه مواد غذایی سالم و با کیفیت را پدید آورده است. با توجه به توسعه چشمگیر روشهای پردازش تصویر و ماشینبینائی، تحقیقات بسیاری بهمنظور ارائه یک راه حل مبتنی بر پردازش تصویر در مسائل مختلف و رو به رشد کشاورزی دقیق ارائه شده است. در حال حاضر، محققین بهطور گسترده از پردازش تصویر برای هوشمندسازی بخشی از مراحل مختلف زراعت و باغبانی، از جمله کاشت، کنترل علفهای هرز، آبیاری، سمپاشی، کودپاشی، بررسی روند رشد گیاه و برداشت محصول استفاده کردهاند. این روشهای هوشمندسازی در بخش کشاورزی علاوه بر کاهش هزینههای تولید و نهادههای کشاورزی، اثرات چشمگیری نیز در حفظ منابع آب و محیط زیست ایفا میکنند. در این بررسی مروری، روشهای مبتنی بر پردازش تصویر که تاکنون برای هوشمندسازی کنترل علفهای هرز و مدیریت موضعی سمپاشی و آبیاری معرفی شدهاند، مورد بررسی قرار گرفتهاند. همچنین تلاش شده است تا عملکرد هر روش بههمراه مزایا و معایب آن بررسی شود. در نهایت، چشمانداز آینده کاربردهای پردازش تصویر در حوزههای مورد بررسی کشاورزی دقیق ترسیم شده است.
Background/Synopsis: The prevalence of obesity among older adults is rising progressively. It has been shown that obesity confers an increased risk of mortality to those who have an extreme body mass index. However, there is inadequate published data on the factors associated with obesity among older adults in our community. Objectives/Purpose: To determine the factors associated with obesity among Malaysian aged 60 years and above who voluntarily attended the health screening program from 2011 to 2018. Methods/Results: Method. This cross-sectional study was conducted in both East and West Malaysia incorporating the nine states and regions in Malaysia which involves older adults more than 60 years old (age range 60-102 years; 333 males (46.5%) and 383 (53.5%) females). The study protocol was reviewed and approved by the Local Institutional Ethics Committee. Standardized questionnaires were used to collect the information on sociodemographic, family and medical history. Anthropometric indices, blood pressure, and selected biochemical analysis were also collected. For further analysis, subjects were classified into obese (BMI ≥ 30 kg/m2) and non-obese (BMI ＜ 30 kg/m2). Results. A total of 716 older adults age ≥60 years old (median 65.0 years old with an interquartile range of 8.0 years old) involved in the study. The prevalence of obesity was 16.2% in which higher prevalence was found among females (58.4 %) compared to males (41.6%). Furthermore, females have 1.46 times higher odds of being obese compared to males (95% CI: 0.97-2.18). Eighty-seven percent of the low-income group (Bottom 40%) was significantly associated with obesity (OR: 2.92, 95% CI: 1.39-6.15). Those without diabetes mellitus have 2.12 times higher odds of developing obesity (p=0.001, OR 2.123, 95% CI 1.37, 3.27). No family history of premature coronary artery disease (OR: 2.11, 95% CI: 1.190, 3.742) and hypertension (OR: 1.69, 95% CI: 1.098, 2.59) were also significantly associated with obesity. Conclusion: Females in a low-income group with no family history of some chronic diseases will increase the odds of having obesity. Therefore, preventive health education and promotion should be more directed at this group.
