﻿<?xml version="1.0" encoding="utf-8"?><ArticleSet><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>A Method to Get WSN Nodes Data by Web Clients through IoT Gateway Based on CoAP Protocol</ArticleTitle><VernacularTitle>ارائه روشی برای دریافت داده‌ی حسگر بی‌سیم توسط مشتری وب از طریق دروازه اینترنت اشیاء مبتنی بر پروتکل CoAP</VernacularTitle><FirstPage>253</FirstPage><LastPage>270</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>محمدرضا</FirstName><LastName>نیک‌سرشت</LastName><Affiliation>دانشگاه آزاد اسلامِی واحد بوئین زهرا</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>حميد</FirstName><LastName>حاج سيدجوادي</LastName><Affiliation>دانشگاه شاهد</Affiliation><Identifier Source="ORCID">0000-0003-0082-036X</Identifier></Author><Author><FirstName>مهدی</FirstName><LastName>ملامطلبی</LastName><Affiliation>دانشگاه آزاد اسلامی بوئین زهرا</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>3</Month><Day>3</Day></History><Abstract>The advancement of technology in the area of wireless sensor networks and the ability to use the Internet Protocol in small objects with limited resources (such as sensors) has changed the Internet landscape. How to communicate and how to exchange information is one of the challenges of the Internet world of things. 6LoWPAN and CoAP standards for using web protocols in low-loss and low-power sensor networks (LLNs) are presented. The 6LoWPAN / CoAP protocol stack allows access to the sensor network through web protocols. This will facilitate the development of applications on the sensor network and access to them by the Internet. Each layer stack of the 6LoWPAN / CoAP protocol imposes overhead on interchange messages, and data overload in multichannel networks exacerbates energy consumption. In this paper, a method for reducing the overhead imposed on small and medium packets in multi-step networks based on 6LoWPAN / CoAP is presented using the scheduling and aggregation of CoAP packets on sensor nodes. In order to achieve the research objectives, measures such as the classification of CoAP requests / responses in terms of network priority (maximum allowed delay detection), scheduling and aggregation of incoming messages on sensor nodes (based on the maximum allowed delay of each), and opening messages aggregated in the destination , It has been done. The evaluation results of the proposed method indicate a reduction of energy consumption and network traffic for applications such as monitoring, in multi-step networks based on the 6LoWPAN/ CoAP protocol stack.</Abstract><OtherAbstract Language="FA">پیشرفت فناوری در حوزه شبکه‌های حسگر بی‌سیم و امکان استفاده از پروتکل اینترنت در اشیای کوچک با منابع محدود (مانند حسگرها)، چشم‌انداز اینترنت را تغییر داده است. نحوه تعامل و روش‌های تبادل اطلاعات یکی از چالش‌های دنیای اینترنت اشیا است. استانداردهای LoWPAN6 و CoAP  جهت استفاده از پروتکل‌های تحت وب در شبکه‌های حسگر پراتلاف و کم‌توان (LLN) ارائه‌ شده‌اند. پشته پروتکل LoWPAN/CoAP6 دسترسی به شبکه حسگر را از طریق پروتکل‌های وب امکان‌پذیر می‌کند. این امر، توسعه برنامه‌های کاربردی روی شبکه حسگر و دسترسی به آنها توسط اینترنت را تسهیل می‌نماید. 
هر کدام از لایه‌های پشته پروتکل LoWPAN/CoAP6، میزانی سربار بر پیام‌های تبادل‌شونده تحمیل می‌کنند و سربار داده ناشی از آن، در شبکه‌های چندگامی، مصرف انرژی را تشدید می‌کند. در این مقاله، روشی جهت کاهش سربار تحمیلی به بسته‌های کوچک و متوسط در شبکه‌های چندگامی مبتنی بر LoWPAN/CoAP6 با استفاده از زمان‌بندی و تجمیع بسته‌های CoAP روی گره‌های حسگر آمده است. جهت حصول اهداف تحقیق، تمهیداتی نظیر رده‌بندی درخواست‌ها/ پاسخ‌های CoAP از لحاظ اولویت ارسال در شبکه (مشخص‌سازی حداکثر تأخیر مجاز)، مدیریت زمان‌بندی و تجمیع پیام‌های دریافتی روی گره‌های حسگر (بر اساس حداکثر تأخیر مجاز هر کدام) و بازشدن پیام‌های تجمیع‌شده در مقصد انجام گرفته است. نتایج ارزیابی روش پیشنهادی، حاکی از کاهش مصرف انرژی و ترافیک شبکه برای کاربردهایی نظیر نظارت در شبکه‌های چندگامی مبتنی بر پشته پروتکل LoWPAN/CoAP6 است.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">اینترنت اشیاCoAPLoWPAN6چندگامیمصرف انرژی215.4IEEEکاهش ترافیکتجمیع</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28429</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>Sustainable Tree-Based Scheduling in Solar Powered Wireless Mesh Networks</ArticleTitle><VernacularTitle>زمان‌بندی پاینده مبتنی بر درخت در شبکه‌های مش بی‌سیم خورشیدی</VernacularTitle><FirstPage>271</FirstPage><LastPage>281</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>هادی</FirstName><LastName>برقی</LastName><Affiliation>دانشگاه علم و صنعت ايران</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>سیدوحید</FirstName><LastName>ازهری</LastName><Affiliation>دانشگاه علم و صنعت ایران</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>2</Month><Day>11</Day></History><Abstract>In many applications of wireless mesh networks, due to the lack of access to a permanent source of energy and the use of battery and energy harvesting equipment, energy sustainable design is very important. Duty-cycle adjustment, putting the node into sleep mode in some parts of the working period, is a method for energy saving and sustainability assurance. In this case, to exchange data between neighboring nodes, protocols for sleep scheduling are needed. In some applications of these networks, such as video surveillance applications, it is necessary to collect data from different parts of the network. Tree topology is a good option for these applications. A simple method for coordinating sleep in a tree topology is the TIME-SPLIT algorithm, at which the working time of each node is evenly divided among its children.
The proposed TIME-SPLIT scheduling algorithm does not consider the node energy limitations. In this paper, we have added the nodes duty-cycle constraint in the TIME-SPLIT algorithm to guarantee energy sustainability in tree-based wireless mesh networks. In situations where the energy status of the children is different, equal division of time leads to network inefficiency. To improve network efficiency and throughput, we provide two scheduling algorithms that take into account the conditions of the children's energy and traffic. In the first proposed algorithm, the time division is performed in relation to the duty-cycle of the children of each node. In the second algorithm, the time division is dynamically and in proportion to the traffic of the children, and the connection acceptance is more precisely performed based on its energy consumption during its lifespan. The simulation results performed by the NS3 network simulator show that in energy and tree structure imbalance conditions, where children of a node have different energy or sub tree, the proposed methods significantly (more than about 60%) increase the network’s total delivered traffic.</Abstract><OtherAbstract Language="FA">در بسیاری از کاربردهای شبکه‌های مش بی‌سیم به دلیل عدم دسترسی به منبع انرژی دایم و استفاده از باتری و تجهیزات برداشت‌کننده انرژی طراحی بر مبنای پایندگی انرژی بسیار حایز اهمیت است. تنظیم چرخه کاری و به خواب بردن گره‌های شبکه در بخشی از دوره کاری، روشی برای حفظ انرژی و تضمین پایندگی است. در این حالت برای تبادل داده بین گره‌های همسایه به پروتکل‌هایی برای هماهنگی خواب نیاز است. در برخی کاربردهای این شبکه‌ها مانند کاربرد نظارت تصویری نیاز است که داده از بخش‌های مختلف شبکه جمع‌آوری شود. توپولوژی درخت در این کاربردها گزینه مناسبی است. یک روش ساده برای هماهنگی خواب در توپولوژی درخت الگوریتم زمان‌بندی تقسیم زمان (TIME-SPLIT) است که در آن زمان هر گره به طور مساوی بین فرزندان تقسیم می‌شود.
الگوریتم زمان‌بندی تقسیم زمان پیشنهادشده مسئله پایندگی انرژی و محدودیت انرژی گره‌ها را در نظر نمی‌گیرد. ما در این مقاله به منظور ایجاد پایندگی انرژی در شبکه‌های مش بی‌سیم مبتنی بر توپولوژی درخت در الگوریتم زمان‌بندی تقسیم زمان محدودیت چرخه کاری گره‌ها را اضافه کرده‌ایم. در شرایطی که وضعیت انرژی فرزندان متفاوت باشد تقسیم مساوی زمان به عدم کارایی شبکه می‌انجامد. به منظور بهبود کارایی و گذردهی شبکه دو الگوریتم زمان‌بندی بر مبنای الگوریتم تقسیم زمان که شرایط انرژی و ترافیک فرزندان را در نظر می‌گیرند ارائه کرده‌ایم. در الگوریتم پیشنهادی اول تقسیم زمان به نسبت چرخه کاری فرزندان هر گره انجام می‌گیرد. در الگوریتم دوم تقسیم زمان به صورت پویا و به نسبت ترافیک فرزندان است و همچنین پذیرش تماس بر مبنای انرژی مصرفی اتصالات و بر اساس طول اتصالات به طور دقیق‌تری انجام می‌شود. نتایج شبیه‌سازی که به وسیله شبیه‌ساز شبکه 3NS انجام شده نشان می‌دهد که در شرایط عدم توازن در انرژی و ساختار درخت، یعنی حالتی که فرزندان یک گره دارای انرژی یکسان یا زیردرخت تقریباً مشابه نیستند، روش‌های پیشنهادی به میزان قابل توجهی (بیش از حدود 60%) ترافیک عبوری را افزایش می‌دهند.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">پایندگی انرژیچرخه کاریزمان‌بندیشبکه مش بی‌سیم</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28430</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>A Pattern-Matching Method for Estimating WCET of Multi-Path Monotonic Loops</ArticleTitle><VernacularTitle>روشی مبتنی بر تطبیق الگو برای تخمین بیشترین زمان اجرای حلقه‌های یکنواخت چندمسیری</VernacularTitle><FirstPage>282</FirstPage><LastPage>290</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>مهدی</FirstName><LastName>سخائی نیا</LastName><Affiliation>دانشگاه بوعلی سینا </Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>سعید</FirstName><LastName>پارسا</LastName><Affiliation>دانشگاه علم و صنعت ايران</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>5</Month><Day>26</Day></History><Abstract>Pattern matching is one of possible methods proposed for estimating the WCET of the loops. If the loop matches with the proposed pattern, the number of iterations is calculated using an equation. In fact, the derivation of counter values for all iterations is thus avoided. A shortcoming of pattern matching methods is its excessive dependence upon patterns. It is dependent upon location, frequency and how to change in value of the counter and structure and place of counter tester. In order to reduce dependence upon patterns, loop flow can be modeled in two sets of symbolic expressions indicating iteration conditions and changes in value of counters. Based upon these expressions, the number of possible values that could be assigned to the loop control variables during the loop execution is computed as the worst-case estimation of the number of loop iterations. But the estimate presented in this method is greater than the actual value and there is overestimation. In this paper, the variables whose values are equal on the different paths and this value is accounted as an iteration, are detected and are considered in the estimations. This will reduce the overestimation. The evaluations are showed that the proposed method is effective and efficient and has less overestimation.</Abstract><OtherAbstract Language="FA">روش تطبیق الگو یکی از روش‌هایی است که برای تخمین بیشترین زمان اجرای حلقه‌ها ارائه شده است. در این روش در صورتی که حلقه با الگوی ارائه‌شده تطبیق داشت با استفاده از یک معادله، بیشترین تعداد تکرار حلقه محاسبه می‌گردد. در حقیقت برای محاسبه تعداد تکرار نیازی نیست که مقدار متغیرهای کنترلی حلقه برای هر تکرار محاسبه گردد. نقص روش تطبیق الگو وابستگی زیاد آن به الگو است. این وابستگی به ساختار و محل شرط تست‌کننده متغیر کنترلی حلقه و از سوی دیگر به محل، نحوه و تعدد تغییر متغیر کنترلی حلقه مرتبط است. برای کاهش وابستگی به الگو می‌توان جریان اطلاعات برای حلقه‌های یکنواخت چندمسیری در قالب دو دسته عبارت نمادین، نشان‌دهنده شرط تکرار و نحوه تغییر متغیرهای کنترلی حلقه را مدل‌سازی کرد. بر اساس این عبارات، تعداد مقادیر ممکن که در زمان اجرا می‌توان به متغیرهای کنترلی حلقه تخصیص داد محاسبه و به عنوان تخمینی از بیشترین تعداد تکرار ارائه می‌گردد. اما تخمین ارائه‌شده در این روش بیشتر از مقدار واقعی است و در اصطلاح دارای بیش‌تخمین خواهد بود. در این مقاله، متغیرهایی که مقدارشان در مسیرهای تکرار مختلف یکسان هستند و در هر چند مسیر این مقدار به عنوان یک تکرار محاسبه گردیده است، شناسایی و در محاسبه‌ها لحاظ می‌گردند. این کار باعث می‌گردد که مقدار بیش‌تخمین کاهش یابد. ارزیابی‌ها نشان داد که روش ارائه‌شده در این مقاله روشی مؤثر و کارا بوده و بیش‌تخمین کمتری دارد.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">تخمین بیشترین زمان اجراتحلیل حد حلقه‌های تکرارسامانه‌های نهفته بی‌درنگتحلیل ایستای برنامه</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28431</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>Incremental Opinion Mining Using Active Learning over a Stream of Documents</ArticleTitle><VernacularTitle>نظرکاوی افزايشی با استفاده از یادگيری فعال بر روی جريان متون</VernacularTitle><FirstPage>291</FirstPage><LastPage>300</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>سیدفخرالدین</FirstName><LastName>نوربهبهانی </LastName><Affiliation>دانشگاه خوانسار</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>6</Month><Day>3</Day></History><Abstract>Today, opinion mining is one the most important applications of natural language processing which requires special methods to process documents due to the high volume of comments produced. Since the users’ opinions on social networks and e-commerce websites constitute an evolving stream, the application of traditional non-incremental classification algorithm for opinion mining leads to the degradation of the classification model as time passes. 
Moreover, because the users’ comments are massive, it is not possible to label enough comments to build training data for updating the learned model. Another issue in incremental opinion mining is the concept drift that should be supported to handle changing class distributions and evolving vocabulary. 
In this paper, a new incremental method for polarity detection is proposed which with the application of stream-based active learning selects the best documents to be labeled by experts and updates the classifier. The proposed method is capable of detecting and handling concept drift using a limited labeled data without storing the documents. We compare our method with the state of the art incremental and non-incremental classification methods using credible datasets and standard evaluation measures. The evaluation results show the effectiveness of the proposed method for polarity detection of opinions.</Abstract><OtherAbstract Language="FA">نظرکاوی امروزه به عنوان یکی از کاربردهای پراهمیت پردازش زبان طبیعی مطرح است که به دلیل بالابودن حجم و نرخ نظرات تولیدشده نیاز به روش‌های ويژه‌ای برای پردازش دارد. امروزه با توجه به ماهيت جريان داده‌ای نظرات کاربران در شبکه‌‌های اجتماعی و سایت‌های تجارت الکترونيکی، استفاده از الگوريتم‌های دسته‌بندی غير افزايشی باعث می‌گردد به مرور زمان کارايي مدل يادگرفته‌شده برای کاوش نظرات کاهش یافته و عملاً غير قابل استفاده شود. علاوه بر این به دليل نامحدودبودن تعداد نظرات، امکان برچسب‌گذاری تمام نظرات برای ایجاد نمونه‌های آموزشی جديد و به روزرسانی مدل یادگرفته‌شده وجود ندارد. از آنجا که ممکن است نظرات جديد دارای واژگان جديد بوده و یا توزيع دسته‌های قطبيت تغيير کند، رانش مفهوم نيز می‌بايست در نظرکاوی افزايشی پشتيبانی گردد.
در اين مقاله یک روش جدید برای یادگيری قطبيت متون به صورت افزايشی ارائه می‌گردد که با استفاده از یادگيری فعال جریان‌ داده‌ای، متون ارزشمند برای به‌روز رسانی مدل دسته‌بندی را انتخاب می‌کند و پس از تعيين برچسب آنها توسط متخصص انسانی، از آنها برای بهبود مدل دسته‌بندی بهره می‌گيرد. روش پيشنهادی به صورت برخط و بدون نياز به ذخيره متون، با استفاده از تعداد محدودی متون برچسب‌خورده آموزش می‌بیند و قادر به تشخيص و پشتيبانی از رانش مفهوم می‌باشد. روش پيشنهادی با روش‌های شاخص افزايشی و غير افزايشی، با استفاده از مجموعه داده‌های معتبر و معيارهای ارزيابی استاندارد مقايسه و ارزيابی می‌شود.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">جريان داده‌هارانش مفهومنظرکاوییادگيری افزايشییادگيری فعال</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28432</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>Reduce Dimensions of CDF Steganalysis Approach Using a Graph Theory Based Feature Selection Method</ArticleTitle><VernacularTitle>کاهش ابعاد روش پنهان‌شکنی CDF با استفاده از یک روش انتخاب ویژگی مبتنی بر تئوری گراف</VernacularTitle><FirstPage>301</FirstPage><LastPage>309</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>سعید</FirstName><LastName>آزادی‌فر</LastName><Affiliation>دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>سیدحسین</FirstName><LastName>خواسته </LastName><Affiliation>دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation><Identifier Source="ORCID">0000-0003-2227-4507</Identifier></Author><Author><FirstName>محمدهادی</FirstName><LastName>ادریسی</LastName><Affiliation>دانشگاه اصفهان</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>1</Month><Day>9</Day></History><Abstract>The steganalysis purpose is to prevent the pursuit of steganography methods for your goals. In steganography, in order to evaluate new ideas, there should be known steganalysis attacks on them, and the results should be compared with other existing methods. One of the most well-known steganalysis methods is CDF method that used in this research.
One of the major challenges in the image steganalysis issue is the large number of extracted features. High-dimensional data sets from two directions reduce steganalysis performance. On the one hand, with the increase in the dimensions of the data, the volume of computing increases, and on the other hand, a model based on high-dimensional data has a low generalization capability and increases probability of overfitting. As a result, reducing the dimensions of the problem can both reduce the computational complexity and improve the steganalysis performance. In this paper, has been tried to combine the concept of the maximum weighted clique problem and edge centrality measure, and to consider the suitability of each feature, to select the most effective features with minimum redundancy as the final features. The simulation results on the SPAM and CC-PEV data showed that the proposed method had a good performance and accurately obtained about 96% in the detection of data embedding in the images, and this method is more accurate than the previously known methods.</Abstract><OtherAbstract Language="FA">پنهان‌شکنی دانش کشف حضور داده پنهان در یک رسانه پوششی است. هدف پنهان‌شکنی جلوگیری از رسیدن روش‌های پنهان‌نگاری به اهداف خود می‌باشد. یکی از معروف‌ترین روش‌های پنهان‌شکنی روش CDF است که در این پژوهش استفاده شده است.
یکی از چالش‌های عمده در مسئله پنهان‌شکنی تصاویر تعداد زیاد ویژگی‌های استخراج‌شده برای این کار است. مجموعه‌های داده‌ای با ابعاد بالا از دو جهت باعث کاهش عملکرد پنهان‌شکنی می‌شود. از یک طرف با افزایش ابعاد داده‌‌ها، حجم محاسبات افزایش پیدا می‌کند و از طرف دیگر مدلی که بر اساس داده‌های با ابعاد بالا ساخته می‌شود دارای قابلیت تعمیم پایینی است و احتمال بیش‌برازش افزایش می‌یابد. در نتیجه، کاهش ابعاد مسئله می‌تواند هم پیچیدگی محاسباتی را کاهش داده و هم باعث بهبود عملکرد پنهان‌شکنی شود. در این مقاله تلاش شده با ترکیب مفهوم زیرگراف کامل بیشینه وزن‌دار و معیار مرکزیت یال و در نظر گرفتن مناسب‌بودن هر ویژگی، ویژگی‌های تأثیرگذار و دارای حداقل افزونگی به‌عنوان ویژگی‌های نهایی انتخاب ‌شوند. نتایج شبیه‌سازی بر روی مجموعه داده‌های SPAM و CC-PEV نشان داد روش پیشنهادی دارای عملکرد مناسبی است و به دقت حدود 96% در تشخیص جاسازی داده در تصاویر دست پیدا کرده و همچنین این روش در مقایسه با روش‌های شناخته‌شده قبلی دارای دقت بالاتری است.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">پنهان‌شکنیپنهان‌نگاریانتخاب ویژگیکاهش بعد</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28433</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>Enhancing Speed, Area and Power Consumption of Carry Select Adders Using a New Grouping Structure</ArticleTitle><VernacularTitle>بهبود سرعت، مساحت و توان مصرفی جمع‌کننده‌های مبتنی بر انتخاب رقم نقلی با استفاده از گروه‌بندی جدید</VernacularTitle><FirstPage>310</FirstPage><LastPage>318</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>عباس</FirstName><LastName>محمدنژاد</LastName><Affiliation>دانشگاه صنعتی نوشیروانی بابل</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>مجتبی</FirstName><LastName>ولی‌نتاج </LastName><Affiliation>مهندسی برق و کامپیوتر</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>4</Month><Day>24</Day></History><Abstract>Design of low-cost and high-speed datapath is very important for current computing systems. The adders are the essential parts of datapaths in computing systems. Among different types of adders, the carry select adder (CSeA) has a high speed while having the area overhead, as well. A factor influencing the speed of this adder is the incorporated grouping structure dependent to its components' delay. In this paper, at first, the delay and area of different existing CSeA architectures are reduced by utilizing a fast and small multiplexer. Then, a new grouping structure is proposed for more delay reduction based on a delay analysis. Implementation and experimental results show that applying the proposed grouping and modifications on different CSeA architectures leads to a high delay reduction in the add operation compared to the best existing grouping structure. For example, the amount of delay reduction in the investigated 32-bit CSeA architectures is more than 33%. In addition, the average reduction of power-delay-product criterion for 32-bit and 64-bit CSeAs utilizing the proposed grouping equals45% and 35%, respectively, compared to the CSeAs incorporating the current best grouping.</Abstract><OtherAbstract Language="FA">طراحی مسیر داده با مساحت و توان مصرفی کم و سرعت بالا برای سیستم‌های محاسباتی امروزی اهمیت بالایی دارد. جمع‌کننده‌ها یکی از اجزای اساسی مسیر داده سیستم‌های محاسباتی هستند که از میان آنها، جمع‌کننده مبتنی بر انتخاب رقم نقلی با داشتن سرعت مناسب، سربار مساحتی نیز به سیستم محاسباتی تحمیل می‌کند. یک عامل مؤثر بر سرعت این نوع جمع‌کننده نحوه گروه‌بندی آن با توجه به تأخیر اجزای آن است. در این مقاله، ابتدا با بهره‌گیری از یک مالتی‌پلکسر سریع و کوچک، تأخیر و مساحت مصرفی انواع معماری‌های موجود برای این نوع جمع‌کننده کاهش داده می‌شود. سپس با توجه به تجزیه و تحلیل تأخیر این جمع‌کننده و وابستگی آن به نوع مالتی‌پلکسر، یک گروه‌بندی جدید برای بهینه‌سازی تأخیر ارائه می‌گردد. نتایج پیاده‌سازی و آزمایش‌ها نشان می‌دهد اعمال گروه‌بندی و تغییرات پیشنهادی در انواع معماری‌های موجود برای جمع‌کننده مبتنی بر انتخاب رقم نقلی، منجر به کاهش مناسب تأخیر عملیات جمع نسبت به بهترین گروه‌بندی موجود می‌شود. به عنوان نمونه، مقدار کاهش تأخیر جمع‌کننده 32بیتی در معماری‌های بررسی‌شده بیش از 33 درصد است. علاوه بر این، میانگین کاهش در معیار حاصل‌ضرب توان مصرفی در تأخیر برای جمع‌کننده‌های مختلف 32 و 64بیتی استفاده‌کننده از گروه‌بندی پیشنهادی نسبت به بهترین گروه‌بندی موجود، به ترتیب برابر با 45 و 35 درصد بوده است.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">جمع‌کننده مبتنی بر انتخاب رقم نقلیگروه‌بندی‌های پایهتأخیر جمع‌کنندهتوان مصرفی</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28434</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>An Improvement in Microblog Hashtag Recommendation Based on Topic Vector</ArticleTitle><VernacularTitle>پیشنهاد هشتگ در سیستم‌های میکروبلاگ توسط بردار موضوعی: مورد کاربرد توئیتر</VernacularTitle><FirstPage>319</FirstPage><LastPage>326</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>میر سامان</FirstName><LastName>تاجبخش</LastName><Affiliation>دانشگاه ارومیه</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>جمشید</FirstName><LastName>باقرزاده</LastName><Affiliation>دانشگاه ارومیه</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>4</Month><Day>22</Day></History><Abstract>Static contents defined in Web 1.0 were replaced with structured user generated contents by means of Web 2.0. Wikis, Blogs, Social Networks, and Social Bookmarking Systems are some of the examples where users can generate and publish contents. Generating contents by users leads to creation of heterogeneous data which makes computation and algorithms hard to be applied. Web 2.0 benefits hashtags (tags) in order to solve the heterogeneous problem of the contents in which users can label their contents with hashtags. This technique cannot help in microblogging systems such as Twitter because of number of characters in each tweet (140 characters per tweet) and leads the tags or words be truncated or be used in heterogeneous form. In the current paper, a novel method is introduced based on Latent Dirichlet Allocation which can be used for numericalization tweets in a vector namely topic vector (TV). Additionally, TV is used for modeling users’ taste which can improve hashtag recommendation. The proposed method has been tested on 8396744 real tweets in English. The top 1 to 5 hashtags are recommended for each tweet and results show precision more than 20% and recall more than 45%. The improvement applied by TV shows that the most precision is increased from 3% to 32%, and recall from 21% to 46% to the best method tested by the authors.</Abstract><OtherAbstract Language="FA">با معرفی وب ۲.۰، داده‌های ایستا که در وب ۱.۰ وجود داشتند، حالت ساخت‌یافته‌تری به خود گرفتند. ویکی‌ها، بلاگ‌ها، شبکه‌های اجتماعی و سیستم‌های بوکمارکینگ اجتماعی مثال‌هایی از آن هستند که کاربران در آنها محتوا تولید می‌کنند. یکی از مشکلات تولید محتوا توسط کاربر، عدم یکپارچگی محتوای تولیدشده می‌باشد که باعث تولید داده‌های ناهمگون شده و اجرای الگوریتم‌ها و تکنیک‌های کامپیوتری را دشوار می‌سازد. راه حل وب ۲.۰ برای کاهش اثر این مشکل، استفاده از هشتگ (تگ) برای مطالب منتشرشده توسط کاربر است که خود کاربر به مطالب منتشرشده خود، تگ می‌زند. این راهکار در میکروبلاگ‌هایی چون توئیتر کماکان رفع نشده است چرا که کاربران با محدودیت کاراکتری (۱۴۰ کاراکتر برای هر توئیت) مواجه هستند و ممکن است تعداد کاراکترهای محتوا باعث شود که برخی کاراکترهای هشتگ در پست نباشد. در این مقاله سعی شده تا با استفاده از روش تخصیص دیریکله نهفته و نمونه‌برداری Gibbs فروریخته، مشکل پیشنهاد هشتگ در محیط ناهمگون توئیتر رفع شود. پیشنهاد هشتگ بر روی 8396744 توئیت به زبان انگلیسی پیاده‌سازی و در آزمایش‌های مختلف بین ۱ تا ۵ مرتبط‌ترین هشتگ پیشنهاد شده است. نتایج در حالات مختلف دقت بالای ۲۰% و فراخوانی بالای ۴۵% را نشان می‌دهد که نشانگر افزایش دقت از ۳% به ۲۱% و افزایش فراخوانی از ۳۲% به ۴۶% در مقایسه با دقیق‌ترین روش بررسی‌شده پیشنهاد هشتگ توسط LDA بدون تغییر، توسط نویسندگان است.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">سیستم‌های توصیه‌گرتوصیه هشتگبردار موضوعیتخصیص دیریکله نهفتهنمونه‌برداری Gibbsمیکروبلاگتوئیتر</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28435</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>16</Volume><Issue>4</Issue><PubDate PubStatus="epublish"><Year>2019</Year><Month>4</Month><Day>20</Day></PubDate></Journal><ArticleTitle>Energy-Aware Scheduling for Real-Time Unicore Mixed-Criticality Systems</ArticleTitle><VernacularTitle>زمان‌بندی آگاه از انرژی مصرفی برای سیستم‌های بی‌درنگ تک‌پردازنده‌ای بحرانی- مختلط</VernacularTitle><FirstPage>327</FirstPage><LastPage>334</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>سیدحسن</FirstName><LastName>صادق‌زاده</LastName><Affiliation>دانشگاه فردوسی مشهد</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>یاسر</FirstName><LastName>صداقت </LastName><Affiliation>دانشگاه فردوسی مشهد</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2018</Year><Month>4</Month><Day>15</Day></History><Abstract>Integrated modular avionics (IMA) has significantly evolved avionic industry. In this architecture, tasks with different criticality have been integrated into a share hardware in order to reduce the size, weight, power consumption and cost so they commonly use the resources. The industry’s interest in integrating tasks has resulted in introducing mixed-criticality systems. Real time and assurance of executing critical tasks are considered of the two basic needs for these kinds of systems. However, integration of critical and non-critical tasks makes some problems for scheduling executing tasks. On the other hand, reducing energy consumption is another important need as these devices run by batteries. Therefore, the present study aims at satisfying the above mentions needs (real time scheduling and reducing energy consumption) by introducing an innovative energy- aware scheduling approach. The proposed algorithm guarantees executing critical tasks as well as reducing energy consumption by dynamic voltage and frequency scaling (DVFS). The results of simulation showed that energy consumption of the proposed algorithm improved up to 14% in comparison with the similar approaches.</Abstract><OtherAbstract Language="FA">معماری پیمانه‌ای یکپارچه تحولی قابل توجه در صنعت هوافضا به وجود آورده است. در این معماری به دلیل کاهش اندازه، وزن، توان مصرفی و هزینه، وظایف با درجه بحرانیت متفاوت بر روی یک سخت‌افزار تجمیع شده و از منابع به صورت مشترك استفاده می‌کنند. علاقه صنعت به این یکپارچه‌سازی، منجر به معرفی سیستم‌های بحرانی- مختلط شده است. یکی از نیازهای اساسی این سیستم‌ها، بی‌درنگی و اطمینان از اجراي به موقع وظایف بحرانی می‌باشد که البته تجمیع وظایف بحرانی و غیر بحرانی، زمان‌بندی اجراي وظايف را با مشکلاتی مواجه مي‌كند. همچنین به دلیل استفاده از باتری در این وسایل، کاهش انرژی مصرفی از دیگر نیازهای مهم می‌باشد. بنابراین در این مقاله به منظور دستیابی به نیازهای مطرح‌شده (زمان‌بندی بی‌درنگ و کاهش انرژی مصرفی)، یک روش زمان‌بندی ابتکاری آگاه به انرژی مصرفی در این سیستم‌‌ها معرفی می‌شود. این الگوریتم ضمن تضمین اجرای به موقع وظایف بحرانی، انرژی مصرفی سیستم را با تغییر پویای ولتاژ و فرکانس (DVFS) کاهش خواهد داد. نتایج به دست آمده از شبیه‌سازی‌ها نشان مي‌دهد انرژي مصرفي الگوریتم پیشنهادی در مقايسه با روش‌هاي مشابه تا 14% بهبود مي‌يابد.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">تغيير پوياي ولتاژ و فرکانسزمان‌بندی آگاه از انرژی مصرفیسیستم‌های بحرانی- مختلطسيستم‌هاي بي‌درنگمصرف توان</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28436</ArchiveCopySource></ARTICLE></ArticleSet>