مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921Particle Filter with Adaptive Observation Modelفیلتر ذرهای با مدل مشاهده مبتنی بر فیلتر وفقی کرنلی110fa2017713Particle filter is an effective tool for the object tracking problem. However, obtaining an accurate model for the system state and the observations is an essential requirement. Therefore, one of the areas of interest for the researchers is estimating the observation function according to the learning data. The observation function can be considered linear or nonlinear. The existing methods for estimating the observation function are faced some problems such as: 1) dependency to the initial value of parameters in expectation-maximization based methods and 2) requiring a set of predefined models for the multiple models based methods. In this paper, a new unsupervised method based on the kernel adaptive filters is presented to overcome the above mentioned problems. To do so, least mean squares/ recursive least squares adaptive filters are used to estimate the nonlinear observation function. Here, given the known process function and a sequence of observations, the unknown observation function is estimated. Moreover, to accelerate the algorithm and reduce the computational costs, a sparsification method based on approximate linear dependency is used. The proposed method is evaluated in two applications: time series forecasting and tracking objects in video. Results demonstrate the superiority of the proposed method compared with the existing algorithms.هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی در نظر گرفته شود. روشهای موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند و از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روشهای دومرحلهای مبتنی بر ماکسیممسازی انتظار و نیازمندی به یک سری مدل از پیش تعریف شده در روشهای مبتنی بر چند مدل میباشد. در این مقاله، یک روش بدون راهنما برای غلبه بر این مشکلات با استفاده از فیلترهای وفقی کرنلی ارائه شده است. به این منظور از فیلترهای وفقی حداقل میانگین مربعات خطای کرنلی یا حداقل مربعات بازگشتی کرنلی برای تخمین تابع غیر خطی مشاهده استفاده میشود. با فرض معلومبودن تابع فرایند و با داشتن دنبالهای از مشاهدات، تابع مشاهده مجهول تخمین زده میشود. ضمناً برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تُنُکسازی دادهها با استفاده از روش وابستگی خطی تقریبی استفاده شده و الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر پیشبینی سریهای زمانی و دیگری روی ردیابی اشیا در ویدئو میباشد. نتایج به دست آمده حاکی از برتری روش پیشنهادی در مقایسه با چند روش موجود است.الگوریتم RRT به دست آمده و مقایسه گردید. این نتایج نشانگر کارایی مناسب رویکرد پیشنهادی است.http://ijece.org/fa/Article/Download/28180مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921Particle Filter with Adaptive Observation Modelفیلتر ذرهای با مدل مشاهده مبتنی بر فیلتر وفقی کرنلی93104faحمیدهحائریهادیصدوقی یزدی2017713Particle filter is an effective tool for the object tracking problem. However, obtaining an accurate model for the system state and the observations is an essential requirement. Therefore, one of the areas of interest for the researchers is estimating the observation function according to the learning data. The observation function can be considered linear or nonlinear. The existing methods for estimating the observation function are faced some problems such as: 1) dependency to the initial value of parameters in expectation-maximization based methods and 2) requiring a set of predefined models for the multiple models based methods. In this paper, a new unsupervised method based on the kernel adaptive filters is presented to overcome the above mentioned problems. To do so, least mean squares/ recursive least squares adaptive filters are used to estimate the nonlinear observation function. Here, given the known process function and a sequence of observations, the unknown observation function is estimated. Moreover, to accelerate the algorithm and reduce the computational costs, a sparsification method based on approximate linear dependency is used. The proposed method is evaluated in two applications: time series forecasting and tracking objects in video. Results demonstrate the superiority of the proposed method compared with the existing algorithms.هرچند که فیلتر ذرهای ابزاری مؤثر در ردیابی شیء میباشد اما یکی از محدودیتهای موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینههای مورد علاقه محققین تخمین تابع مشاهده با توجه به دادههای یادگیری است. تابع مشاهده ممکن است خطی یا غیر خطی در نظر گرفته شود. روشهای موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند و از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روشهای دومرحلهای مبتنی بر ماکسیممسازی انتظار و نیازمندی به یک سری مدل از پیش تعریف شده در روشهای مبتنی بر چند مدل میباشد. در این مقاله، یک روش بدون راهنما برای غلبه بر این مشکلات با استفاده از فیلترهای وفقی کرنلی ارائه شده است. به این منظور از فیلترهای وفقی حداقل میانگین مربعات خطای کرنلی یا حداقل مربعات بازگشتی کرنلی برای تخمین تابع غیر خطی مشاهده استفاده میشود. با فرض معلومبودن تابع فرایند و با داشتن دنبالهای از مشاهدات، تابع مشاهده مجهول تخمین زده میشود. ضمناً برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تُنُکسازی دادهها با استفاده از روش وابستگی خطی تقریبی استفاده شده و الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر پیشبینی سریهای زمانی و دیگری روی ردیابی اشیا در ویدئو میباشد. نتایج به دست آمده حاکی از برتری روش پیشنهادی در مقایسه با چند روش موجود است.الگوریتم RRT به دست آمده و مقایسه گردید. این نتایج نشانگر کارایی مناسب رویکرد پیشنهادی است.http://ijece.org/fa/Article/Download/28181مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921Sentiment Analysis of Persian Documents using Optimal Transform Domainآنالیز حس اسناد فارسی با طراحی حوزه تبدیل بهینه105116faآصفپورمعصومیهادیصدوقی یزدیهادیقائمیزهرادلخسته2017713With development of web-based interactions such as social networks, personal blogs, surveys and user comments, sentiment analysis and opinion mining has become an important research domain in computer science. Up to now, many approaches have been proposed for analysis of sense using machine learning and natural language processing techniques. In this paper, we used the distribution of words in the collection of documents as new criteria for analyzing sentiment. In proposed approach, we model an optimal transform domain over words distribution with two goals: maximizing spectral energy of class at low frequencies and maximizing spectral energy of at high frequencies. Using optimal transform domain, we can map data from frequency domain into Fourier domain and easily distinguish optimism and pessimism patterns. For this purpose, we use samples’ profiles of class which have low-frequency components. Assuming the contrast of the spectrum of two classes and, maximizing the spectral energy of class will be satisfied. We have performed this approach for English and Persian documents.با توسعه تعاملات مبتنی بر وب نظیر نظرسنجیها، وبلاگهای شخصی و شبکههای اجتماعی، آنالیز حس و یا کاوش عقیده به یکی از حوزههای تحقیقاتی مهم در علوم کامپیوتر تبدیل شده است. تا کنون روشهای زیادی مبتنی بر یادگیری ماشین و همچنین پردازش زبان طبیعی در ارتباط با آنالیز حس ارائه شده است. در این مقاله از توزیع کلمات در مجموعه اسناد جمعآوری شده به عنوان معیاری جدید برای تشخیص حس جمله استفاده شده است. در روش پیشنهادی با طراحی حوزه تبدیل بهینه مناسب روی توزیع کلمات، دو هدف حداکثرکردن انرژی طیفی کلاس 1 در فرکانسهای پایین و حداکثرکردن انرژی طیفی کلاس 2 در فرکانسهای بالا دنبال میشود. با طراحی حوزه تبدیل بهینه، دادهها از حوزه فراوانی به حوزه فوریه نگاشت میشوند. با این تبدیل بهینه، جداسازی الگوهای دوکلاسی از مفاهیم خوشبینی و بدبینی در حوزه تبدیل به راحتی امکانپذیر خواهد بود. برای محققشدن مدل ریاضی، استراتژی استفاده از پروفایل نمونهها روی همه نمونههای سیگنال نماینده کلاس 1 ارائه شده و مسأله حل میشود. طیف این پروفایل دارای مؤلفههای فرکانس پایین میباشد که با فرض تضاد طیفی دوکلاسی 1 و 2، حداکثرکردن انرژی طیفی کلاس 2 نیز ارضا میگردد. این روش به روی متون با زبان فارسی و انگلیسی اجرا شده است.http://ijece.org/fa/Article/Download/28182مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921A Goal-Based Approach for the Holonification of Holonic Multi-Agent Systemsروشی هدفگرا به منظور هولونبندی در سیستمهای چندعاملی هولونی117127faاحمداسمعیلیناصرمزینیمحمدرضاجاهد مطلق2017713Holonic structures are a hierarchical formation of holons that are developed and used for the purpose of restricting interaction domains, reducing uncertainty, or forming the high level goals of multi-agent systems, in such a way that the system benefits a high degree of flexibility and dynamism in response to environmental changes.
Although the holonic multi-agent systems are extensively used in modeling and solving complex problems, most of its prerequisites, like forming the body holons and dynamically controlling its structure, use very simple application-specific models. This is due to the immaturity of the research literatures in this field. In this article, an endeavor is made to propose a goal-based approach for the formation of holonic structures, using the concepts in social science and organizational theory. The use of concepts like role, skill, and goal structures, makes the proposed method possible to be used in wide range of applications.
In order to demonstrate the capabilities of the method and also the way it can be applied in real world problems, a test bed based on the application of wireless sensor networks in object tracking is designed and presented. In this application, the sensors, which are distributed in the environment as simple agents, using holonic structures, are responsible for the track of any alien objects that enter and move in the environment. According to the empirical results of the simulations, the proposed holonic approach has provided successful performance in terms of tracking quality and energy consumption of the sensors.
ساختارهای هولونی یک ساختار سلسلهمراتبی از هولونها است که به منظور حل مسایل پیچیده و ارضای اهدافی مانند محدودسازی حوزه تعاملات، کاهش عدم قطعیت یا شکلدهی هدفهای سطح بالا در سیستمهای چندعاملی توسعه داده شدهاند که به سبب آن سیستم از انعطافپذیری و پویایی بالایی در برابر تغییرات محیطی برخوردار میشود.
علیرغم کاربرد وسیع سیستمهای چندعاملی هولونی در زمینه مدلسازی و حل مسایل پیچیده، بسیاری از مفاهیم اساسی در آن مانند تشکیل هولونهای عضو و کنترل پویای ساختار مربوط، از مدلهای بسیار ساده و ابتدایی که اکثراً وابسته به کاربرد خاص هستند، تبعیت میکنند که البته این را میتوان به علت نوپابودن تحقیقات در این زمینه دانست. در این مقاله سعی گردیده با بهرهگیری از مفاهیم اجتماعی و نظریه سازمانها، روشی مبتنی بر هدف برای تشکیل ساختارهای هولونی ارائه گردد. روش پیشنهادی که از مفاهیم نقش، مهارت و ساختار اهداف استفاده میکند این امکان را فراهم میسازد که بتوان از آن برای طیف وسیعی از کاربردها بهره برد.
به منظور نشاندادن قابلیتهای روش پیشنهادی و نیز نمایش نحوه به کارگیری از آن در مسایل واقعی، در این مقاله بستر آزمایشی بر مبنای کاربرد ردیابی شیئ در شبکههای حسگر بیسیم طراحی و ارائه شده است. در این کاربرد، حسگرهای پخششده در محیط به عنوان عاملهای ساده با بهرهگیری از ساختار هولونی، وظیفه ردیابی شیئ بیگانه واردشده به محیط را بر عهده میگیرند. طبق نتایج آزمایشگاهی به دست آماده حاصل از شبیهسازی، روش هولونی ارائهشده بر مبنای الگوریتم پیشنهادی در این مقاله توانسته است کارایی موفقیتآمیزی را از نظر کیفیت ردیابی و میزان مصرف انرژی در این بستر آزمایش ارائه دهد.
http://ijece.org/fa/Article/Download/28183مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921A Novel Energy-Efficient Algorithm to Enhance Load Balancing and Lifetime of Wireless Sensor Networksالگوریتم WCDG: یک روش جدید برای کاهش مصرف انرژی، افزایش تعادل بار بین گرهها و طول عمر در شبکههای حسگر بیسیم128136faسمانهعباسی درهساریجمشیدابویی2017713Wireless senor networks (WSNs) are widely used for the monitoring purposes. One of the most challenges in designing these networks is minimizing the data transmission cost with accurate data recovery. Data aggregation using the theory of compressive sampling is an effective way to reduce the cost of communication in the sink node. The existing data aggregation methods based on compressive sampling require to a large number of nodes for each measurement sample leading to inefficient energy consumption in wireless sensor network. To solve this problem, we propose a new scheme by using sparse random measurement matrix. In this scheme, the formation of routing trees with low cost and fair distribution of load on the network significantly reduces energy consumption. Toward this goal, a new algorithm called “weighted compressive data gathering (WCDG)” is suggested in which by creating weighted routing trees and using the compressive sampling, the data belong to all of nodes of each path is aggregated and then, sent to the sink node. Considering the power control ability in sensor nodes, efficient paths are selected in this algorithm. Numerical results demonstrate the efficiency of the proposed algorithm with compared to the conventional data aggregation schemes in terms of energy consumption, load balancing, and network lifetime.امروزه شبکههای حسگر بیسیم به طور گسترده در سیستمهای نظارتی مورد استفاده قرار میگیرند. عمدهترین چالش در طراحی این شبکهها، به حداقل رساندن هزینه انتقال داده است. تجمیع داده با استفاده از نظریه نمونهبرداری فشرده، روشی مؤثر برای کاهش هزینه ارتباطات در گره چاهک میباشد. روشهای تجمیع داده موجود که بر مبنای نمونهبرداری فشرده عمل میکنند، برای هر نمونه اندازهگیری نیاز به شرکت تعداد زیادی از گرههای حسگر دارند که منجر به ناکارآمدی در مصرف انرژی میشود. به منظور رفع این مشکل، در این مقاله از اندازهگیریهای تصادفی تنک استفاده میگردد. از طرفی، تشکیل درختهای مسیریابی با هزینه کمتر و توزیع عادلانه بار در سطح شبکه، میزان مصرف انرژی را به طور قابل ملاحظهای کاهش میدهند. در این راستا الگوریتم جدیدی با عنوان WCDG ارائه میشود که با ایجاد درختهای مسیریابی وزندار و بهرهگیری توأم از نمونهبرداری فشرده، دادههای گرههای هر مسیر را تجمیع و برای گره چاهک ارسال میکند. در الگوریتم WCDG با در نظر گرفتن قابلیت کنترل توان در گرههای حسگر، مسیرهای کارآمدی انتخاب میشوند. نتایج شبیهسازیها حاکی از آن است که روش پیشنهادی در مقایسه با سایر روشها به طور قابل توجهی عملکرد بهتری از نظر میزان مصرف انرژی و تعادل بار در شبکه دارد.http://ijece.org/fa/Article/Download/28184مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921Improving Q-Learning Using Simultaneous Updating and Adaptive Policy Based on Opposite Actionبهبود یادگیری Q با استفاده از همزمانی به روز رسانی و رویه تطبیقی بر پایه عمل متضاد137146faمریمپویانشهرامگلزاري امینموسویاحمدحاتم2017713Q-learning is a one of the most popular and frequently used model-free reinforcement learning method. Among the advantages of this method is independent in its prior knowledge and there is a proof for its convergence to the optimal policy. One of the main limitations of this method is its low convergence speed, especially when the dimension is high. Accelerating convergence of this method is a challenge. Q-learning can be accelerated the convergence by the notion of opposite action. Since two Q-values are updated simultaneously at each learning step. In this paper, adaptive policy and the notion of opposite action are used to speed up the learning process by integrated approach. The methods are simulated for the grid world problem. The results demonstrate a great advance in the learning in terms of success rate, the percent of optimal states, the number of steps to goal, and average reward.روش یادگیری Q یکی از مشهورترین و پرکاربردترین روشهای یادگیری تقویتی مستقل از مدل است. از جمله مزایای این روش عدم وابستگی به آگاهی از دانش پیشین و تضمین در رسیدن به پاسخ بهینه است. یکی از محدودیتهای این روش کاهش سرعت همگرایی آن با افزایش بعد است. بنابراین افزایش سرعت همگرایی به عنوان یک چالش مطرح است. استفاده از مفاهیم عمل متضاد در یادگیری Q، منجر به بهبود سرعت همگرایی میشود زیرا در هر گام یادگیری، دو مقدار Q به طور همزمان به روز میشوند. در این مقاله روشی ترکیبی با استفاده از رویه تطبیقی در کنار مفاهیم عمل متضاد برای افزایش سرعت همگرایی مطرح شده است. روشها برای مسئله Grid world شبیهسازی شده است. روشهای ارائهشده بهبود در میانگین درصد نرخ موفقیت، میانگین درصد حالتهای بهینه، متوسط تعداد گامهای عامل برای رسیدن به هدف و میانگین پاداش دریافتی را نشان میدهند.http://ijece.org/fa/Article/Download/28185مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921A Proposed Method of Decentralized Load Balancing Algorithm in Heterogeneous Cloud Environmentsارائه یک الگوریتم توازن بار نامتمرکز در محیطهای ناهمگن 147154faسمیراحورعلیشهرامجمالی فاطمهحورعلی2017713One of the key strategies to improve the efficiency is load balancing. Choosing the appropriate VM to do any task, is function of various parameters such as the amount of required resources like CPU, memory, the size of VM resource, cost and maturity of VMs. In this paper, by considering each of these criteria and design objectives such as load balancing, reducing the rate of create new VM, and VM migration, we modeling the problem in terms of effective parameters in performance. Then, we solving this model by using the PROMETHEE method, which is one of the most widely used method for MADM problems. In this method, selecting the best VM occurs based on the value assigned to each of criteria which is calculated based on fuzzy logic. To evaluate the performance of this approach, the necessary simulations have been carried out on CloudSim simulator and shown that the proposed method has better performance compared to FIFO, DLB and WRR methods on average in terms of response time, rate of success tasks, load variation and rate of VM migration.یکی از راهکارهای اساسی برای ارتقای کارایی در محیط ابر، موازنه بار میباشد. انتخاب VM مناسب برای انجام هر کار، تابع پارامترهای مختلفی مانند میزان منابع مورد نیاز کار نظیر CPU، حافظه، حجم منابع در اختیارVM ها، هزینه و سررسیدVM ها میباشد. در این مقاله با در نظر گرفتن تکتک این معیارها و اهداف طراحی مانند توازن بار، کاهش نرخ ایجاد VM جدید و مهاجرت VM ها، مسأله را در قالب پارامترهای مؤثر در کارایی مدل کرده و سپس مدل فوق را با استفاده از روش پرومته که یکی از پرکاربردترین روشهای تصمیمگیری چندشاخصه است، حل میکنیم. در این روش انتخاب بهترین VM بر اساس ارزش اختصاصیافته به هر یک از معیارها صورت میگیرد که بر اساس منطق فازی تعیین میشود. جهت بررسی کارایی این روش، شبیهسازیهای گستردهای در محیط CloudSim صورت گرفته که نشان میدهد روش پیشنهادی نسبت به روشهای موجود مانند FIFO، DLB و WRR از نقطه نظرات زمان پاسخ، نرخ موفقیت کارها، انحراف بار و نرخ مهاجرت VMها عملکرد بسیار بهتری دارد.http://ijece.org/fa/Article/Download/28186مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921An Automated Approach for Detection of Vessel Borders and Hard Plaques in Intravascular Ultrasound Imagesروش خودکار مرزبندی عروق و تشخیص دقیق پلاک سخت در تصاویر اولتراسوند داخل عروقی155162faبهشادمهرانمحمدرضایزدچیحسینپورقاسم2017713Segmentation is necessary to determine the boundaries of the vessel. Intravascular ultrasound imaging (IVUS) is used for the diagnosis of coronary artery diseases. In this study, a new method is proposed for segmentation of IVUS images. First preprocessing is done to convert images from Cartesian coordinates to polar coordinates, remove the catheter in images and speckle noise with Nonlinear Anisotropic Diffusion Filtering. Then, texture features of an image are extracted using Gabor filter, and the image segmentation and determining the vessels boundary will be discussed using active contour without edge for vector value model. Calcium plaques have been determined using phase clustering and the exact boundary of calcium plaques is extracted using active contour model. This method has been tested on thirty images, and the results of the image segmentation have been validated by an expert. The area diffusion between the internal border and the expert’s opinion is 0.4310.236, and the area diffusion between the external border and the expert’s opinion is 0.6530.723. Area diffusion of calcium plaque extracted by the proposed algorithm compared with virtual histology images has been achieved equal to 5.90 percent.بخشبندی تصویر به منظور تشخیص مرزهای رگ امری ضروری جهت تشخیص دقیق بیماری انسداد عروق قلب به وسیله تصویربرداری اولتراسوند درونرگی (IVUS) است. در این مقاله یک روش جدید جهت بخشبندی تصاویر IVUS پیشنهاد شده است. ابتدا پیشپردازشهایی به منظور تبدیل تصاویر از مختصات دکارتی به مختصات قطبی، حذف کاتتر موجود در تصاویر و از بین بردن نویز اسپکل با فیلتر غیر خطی و غیر ایزوتروپیک انتشاری انجام شده است. سپس با استفاده از فیلتر گابور ویژگیهای بافت تصاویر استخراج شده و با استفاده از مدل کانتور فعال برداری، به بخشبندی تصاویر و تعیین مرز عروق پرداخته شده است. با روش خوشهبندی فازی پلاکهای کلسیم، مشخص و با استفاده از مدل کانتور فعال مرز دقیق پلاکهای کلسیم استخراج شده است. این روش بر روی سی تصویر نمونه آزمایش شده و نتایج بخشبندی تصویر با نظر پزشک متخصص اعتبارسنجی شده است. اختلاف مساحت مرز داخلی رگ با نظر پزشک متخصص 236/0431/0 و اختلاف مساحت مرز خارجی رگ با نظر پزشک متخصص 723/0653/0 است. اختلاف مساحت پلاکهای کلسیم استخراجشده با الگوریتم پیشنهادی در مقایسه با تصاویر بافتشناسی 90/5 درصد حاصل شده است.http://ijece.org/fa/Article/Download/28187مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451422016921A Fault-Tolerant Routing Algorithm for 3D Networks-on-Chipالگوریتم مسیریابی با قابلیت تحملپذیری اشکال برای شبکه روی تراشه سهبعدی163169faمصطفیتقیزاده فیروزجاییمجتبیولینتاج مجتبیمنصوری2017713The performance of Networks-on-Chip is highly dependent to the incorporated routing algorithms. In recent years, many routing algorithms have been proposed for 2D and 3D Networks-on-Chip. In 3D integrated circuits, different devices are stacked through silicon via in which the vertical connections are vulnerable to manufacturing process variations. Therefore, because of the high impact of faulty links or nodes on the performance of a Network-on-Chip, utilizing a fault-tolerant routing algorithm is of great importance especially for 3D Networks-on-Chip in which the vertical links are more vulnerable. In this paper, a new fault-tolerant routing algorithm called FT-ZXY is proposed to be used in 3D Networks-on-Chip. This routing method is capable of tolerating multiple vertical faulty links in addition to single horizontal faulty links without using any virtual channels thus incurs a very low hardware overhead. Experimental results reveal that the proposed routing algorithm has more reliability compared to the previous designs while incurs less latency and requires lower area and power overheads.کارایی شبکههای روی تراشه به طور گستردهای به الگوریتمهای مسیریابی به کار رفته در آنها وابسته است. در سالیان اخیر، الگوریتمهای مسیریابی زیادی برای شبکههای روی تراشه دوبعدی و سهبعدی طراحیشده است. شبکه روی تراشه سهبعدی که برای افزایش کارایی شبکه روی تراشه دوبعدی معرفی گردیده، از ترکیب مفاهیم شبکه روی تراشه و مجتمعسازی سهبعدی به وجود آمده است. در این گونه مدارها عناصر نیمههادی به روشی خاص به صورت پشتهای روی یکدیگر قرار میگیرند. به دلیل تأثیرات قابل توجهی که اشکالهای لینکها یا گرههای شبکه روی تراشه بر عملکرد مدار میگذارند، الگوریتمهای مسیریابی بایستی روشهایی را به کار گیرند تا از تأثیرات اشکال جلوگیری نمایند. این ویژگی خصوصاً در شبکه روی تراشه سهبعدی که احتمال رخداد اشکال در لینکهای عمودی آن قابل توجه است، اهمیت بیشتری دارد. در این مقاله، یک روش جدید برای مسیریابی در شبکه روی تراشه سهبعدی به نام FT-ZXY معرفی میشود که بدون استفاده از کانالهای مجازی و در نتیجه با سربار سختافزاری ناچیز، قابلیت تحمل اشکالهای منفرد در لینکهای افقی و اشکالهای چندگانه در لینکهای عمودی را دارد. نتایج شبیهسازی نشان میدهد که الگوریتم مسیریابی پیشنهادی از نظر پارامترهای ارزیابی مانند تأخیر، قابلیت اطمینان، سربار سختافزاری و توان مصرفی، عملکرد بهتری نسبت به الگوریتمهای مطرحشده قبلی دارد.http://ijece.org/fa/Article/Download/28188