• 学术搜索
  • 科研智能体
    • Research Labs
    • AI 阅读
    • AI 文库
    • 深度研究
    • 学者亮点
  • 学术资源
    • AI2000
    • 期刊/会议
    • 学者库
    • 学术API
      MCP&Skill
    • 溯源树
    • 数据集
  • 知识沉淀
    • 学术空间
订阅小程序
旧版功能
aminer vip
开通会员低至0.73元/天
一次搞定AI科研
立即登录
  • English
  • 联系方式
    Systems and Computers in Japan

    Systems and Computers in Japan

    JournalISSN 0882-1666eISSN 1520-684X

    年发文量

    研究主题

    论文(2861)

    排序
    1روشی برای سادهسازی الگوها در ترکیب وبسرویسها و انتخاب بهینه ترکیب با ساختار احتمالی
    نرجس ظهیری, سید مرتضی بابامیر

    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.

    2021
    引用
    AI阅读
    加入学术空间
    2Inadvertent Malposition of Temporary Pacemaker Lead in the Left Ventricle in a Patient with Acute Myocardial Infarction
    Zheng‐Wei Chen,Pang‐Shuo Huang, Po-Chi Lin
    2021
    引用
    AI阅读
    加入学术空间
    3نشاننگاری با رویکرد تجزیه ماتریسی هسنبرگ
    مریم محمدی, فاطمه نجاتی

    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.

    2021引用:1
    引用
    AI阅读
    加入学术空间
    4國中生學習心向、學習自我效能與學習適應之關係:以自我調整學習為中介變項之路徑模式分析
    2021
    引用
    AI阅读
    加入学术空间
    5الگوریتم ژنتیک بهبود یافته مبتنی بر راهکار خودسازماندهی بحرانی و حافظه گوسی برای حل مسائل بهینهسازی پویا
    مجید محمدپور, بهروز مینایی بیدگلی,حمید پروین, کیوان رحیمی زاده

    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.

    2020
    引用
    AI阅读
    加入学术空间
    立即登录,查看全部 2861 篇论文

    高被引作者

    作者引用发文
    Takafumi Miyatake7685
    Akio Nagasaka7642
    naoto miura7591
    Y YASUMOTO4201
    Gerard Guy Medioni4201
    Miyaguchi S3191
    Akihiro Shimizu3191
    Haruo Takemura3016
    Kineo Matsui2915
    Yasuhiro Nakamura2532

    高产作者

    作者引用发文
    Nobuki Tokura8329
    Toshimitsu Masuzawa12522
    Takeshi Agui7222
    Michitaka Kameyama5919
    Jun-ichiro Toriwaki6018
    masayuki nakajima3016
    Hirotomo Aso11516
    Toyohisa Kaneko25116
    Seiichi Nakagawa9616
    Masahiko Yachida9315

    相关期刊

    International Journal of Trade and Global Markets
    Academy of Accounting and Financial Studies Journal
    Investment management & financial innovations
    Copernican Journal of Finance and Accounting
    International journal of business and social science
    Journal of Financial Risk Management
    Journal of Applied Finance and Banking
    Journal of Reviews on Global Economics
    Journal of modern accounting and auditing
    Journal of Banking and Financial Technology