فهرست مطالب

محاسبات و سامانه های توزیع شده - سال پنجم شماره 1 (پیاپی 9، بهار و تابستان 1401)

مجله محاسبات و سامانه های توزیع شده
سال پنجم شماره 1 (پیاپی 9، بهار و تابستان 1401)

  • تاریخ انتشار: 1401/05/19
  • تعداد عناوین: 12
|
  • استرس، سیگنال الکترومایوگرافی، تبدیل موجک گسسته، استخراج ویژگی صفحات 1-7

    استرس یکی از مشکلات جوامع کنونی است که در همه‌ی اقشار جامعه به شدت در حال پیشرفت می‌باشد و می‌تواند ریشه‌ی بسیاری از مشکلات روحی روانی و جسمانی باشد. استرس زمانی در فرد رخ می دهد که فشاری بیشتر از آنچه که به آن عادت داشته است بر او وارد شود. از آنجاییکه استرس عاملی است که می‌تواند عملکرد افراد را به شدت تحت تاثیر قرار دهد، لذا تشخیص و بررسی استرس در افراد حرفه‌ای به مقوله‌ای با اهمیت تبدیل شده است، لذا تشخیص به موقع آن می‌تواند از آسیب‌های جدی به افراد جلوگیری به عمل آورد. از جمله روش‌های تشخیص استرس استفاده از سیگنال‌های حیاتی می‌باشد. در این پژوهش از سیگنال‌ حیاتی عصب و عضله یا همان الکترومایوگرافی به منظور تشخیص استرس استفاده شده است. برای این منظور سیگنال‌ عضله‌ی دوزنقه‌ای تعداد 5 نفر از افراد را در دو موقعیت قبل از استرس و در زمان استرس و با استفاده از پارامترهای ریاضی، با توجه به مقادیر و معیار ها و بررسی آنها در افراد مختلف مورد بررسی قرار گرفت. روش پیشنهادی میزان همبستگی سیگنال را 0970/0 نشان می دهد.

    کلیدواژگان: مسعود زینی زاده، آرش خسروی*
  • آرش خسروی*، محسن رجبی گل مهر، معصومه اعتمادی صفحات 8-14

    امروزه نظر کاربران، مصرف کنندگان و مشتریان علاوه بر صاحبان کسب و کار، برای تولیدکنندگان، تامین کنندگان، بازاریابان و مهمتر از همه برای جذب مشتریان جدید، ضرورت، اهمیت و کاربرد فراوان دارد. اما تحلیل همه نظرات و درک احساسات صاحب نظران قبلی برای قضاوت، ارزیابی، انتخاب درست یک محصول توسط یک مشتری کاری بسیار زمان بر و دشوار است. از طرفی صاحبان کسب و کار برای درک احساسات مشتریان خود نیاز به ابزار دارند. لذا در این پژوهش تحلیل احساسات مصرف کنندگان بر مبنای مدل احساسی پلاتچیک، بصورت اتوماتیک مد نظر قرار گرفته است. دربین روش‏های موجود در دنیای فناوری اطلاعات و پژوهش‏های گذشته، استفاده از هوش مصنوعی، متن کاوی (تحلیل متن)، یادگیری ماشین و مدل‏های مبتنی بر شبکه‏های عصبی از جمله یادگیری عمیق و شبکه حافظه کوتاه – بلند نتایج موفق تری بدست آمده است. در این پژوهش از روش مبتنی بر یادگیری ماشین استفاده شده است. این دیتا ست توسط طراحی سایت و تحلیلی احساسات توسط افراد داوطلب تهیه شد و دیتاست تولید شده بعد از مراحل پیش پردازش  وارد فاز یادگیری ماشین با استفاده از شبکه عصبی عمیق شد و با دقت بیشتر از 75%  توانست پیش بینی درست انجام دهد.

    کلیدواژگان: تحلیل احساسات، شبکه عصبی عمیق، شبکه حافظه کوتاه - بلند، ماشین بردار پشتیبان مدل احساسی پلاتچیک
  • راضیه هاشمی عالم، محبوبه شمسی*، مجید آقایی صفحات 15-21

    طبقه‌بندی زیرگروه‌های سرطان وظیفه بسیار مهمی برای تشخیص و پیش آگهی سرطان است. در سال‌های اخیر، روش‌های یادگیری عمیق به همین دلیل محبوبیت قابل‌توجهی به دست آورده‌اند. بااین‌حال، تعیین ساختار شبکه عصبی دشوار است زیرا عملکرد شبکه عمیق تا حد زیادی به ساختار آن بستگی دارد. علاوه بر این، تعداد بالای ژن‌ها در پایگاه داده بیان ژن و عدم تعادل داده‌ها بین طبقات مختلف تاثیر مستقیمی بر پیچیدگی و عملکرد مدل‌های طبقه‌بندی زیرگروه سرطان دارد. برای پرداختن به مشکل داده‌های نامتعادل، یک مدل شبکه عصبی کانولوشن (CNN) با استفاده از یک استراتژی حساس به هزینه برای افزایش دقت مدل در شناسایی کلاس‌های اقلیت پیشنهادشده است. از سوی دیگر، از تکنیک ضریب فیشر برای کاهش ژن‌ها در مرحله پیش‌پردازش استفاده می‌شود. در روش حساس به هزینه، ماتریس هزینه بر اساس توزیع کلاس‌ها ایجاد می‌شود و سپس از این ماتریس در مرحله تابع هزینه شبکه CNN برای محاسبه میزان خطا استفاده می‌شود. دو مجموعه از مجموعه داده‌های سرطان برای ارزیابی روش پیشنهادی استفاده می‌شود. نتایج با استفاده از سه معیار دقت، فراخوانی و دقت مقایسه می‌شوند. نتایج نشان می‌دهد که انتخاب ژن‌های مناسب برای طبقه‌بندی به همراه استفاده از یادگیری حساس به هزینه برای این منظور می‌تواند عملکرد روش پیشنهادی نسبت به مدل CNN بدون انتخاب ویژگی و یادگیری حساس به هزینه حدود 11%، 10% و 18% به ترتیب برای دقت، فراخوانی و صحت افزایش دهد.

    کلیدواژگان: دسته بندی، داده های نامتوازن، زیرگروه های سرطان، داده های بیان ژن، یادگیری عمیق CNN
  • مرتضی رجب زاده*، امین محمدنژاد، کوروش عشقی صفحات 21-30

    رنگ آمیزی جمعی گراف، اختصاص اعداد طبیعی به ریوس یگ گراف ساده می باشد، طوری که مجموع اعداد اختصاص داده شده به ریوس گراف، کمینه گردد. مهمترین کاربرد آن در حوزره زمانبندی می باشد. برای این مساله که جزو مسایل NP-Hard  می باشد، تاکنون حل دقیقی ارایه نشده است. لذا در این پژوهش، یک الگوریتم ابتکاری مرکب، بر مبنای ایده شناسایی مجموعه های مستقل ریوس گراف و اختصاص کوچکترین عدد طبیعی در دسترس، برای بزرگترین مجموعه مستقل، توسعه داده شده است. الگوریتم پیشنهادی، بر روی گراف های موجود در کتابخانه های معروف گراف هایی که به صورت تصادفی تولید شده اند، آزمایش شده است. نتایج، نشان دهنده کارایی الگوریتم ارایه شده می باشد.

    کلیدواژگان: رنگ آمیزی جمعی گراف، مجموعه مستقل رئوس گراف، الگوریتم فراابتکاری
  • مرضیه صمدپور*، محبوبه هوشمند، سید عابد حسینی صفحات 31-39

    به دلیل پیچیدگی های ساخت کامپیوترهای کوانتومی، برای داشتن یک کامپیوتر کوانتومی بزرگ، یک راه حل مناسب، ساختن شبکه ای از کامپیوترهای کوانتومی با اندازه محدود است که از طریق یک کانال کوانتومی یا کلاسیک به هم پیوند شده اند و می توانند رفتار کل سیستم کوانتومی را اجرا کنند. به عبارتی مدل مدار محاسبات کوانتومی می تواند به صورت محاسبات کوانتومی توزیع شده گسترش یابد که در آن هر زیرسیستم داده های خود را به صورت تقاضا از طریق کانال ارتباطی به قسمت های دیگر ارسال می کند. یک مکانیسم قابل اعتماد برای چنین ارتباطی با استفاده از مفهوم مخابره از راه دور کوانتومی بین گره های یک سیستم کوانتومی توزیع شده است. به حداقل رساندن تعداد مخابرات از راه دور کوانتومی بین گره های یک کامپیوتر کوانتومی توزیع شده به عنوان معیاری برای سنجش بهره وری آن در نظر گرفته شده است. در کار مشابه قبلی، یک روش برای بهینه سازی تعداد مخابرات کوانتومی بین دو بخش یک سیستم کوانتومی توزیع شده ارایه شده است و با استفاده از یک الگوریتم پیشنهادی، هزینه ارتباطات (تعداد مخابره از راه دورهای کوانتومی) را در بین دو بخش این مدار کوانتومی توزیع شده بهینه می کند. مشخص است که با تغییر افرازبندی اولیه، می توان به جواب های دیگری رسید. در این مقاله، مدار کوانتومی به یک گراف وزن دار نگاشت می شود و به سه روش افراز بندی گراف، یعنی KL، FM و مبتنی بر الگوریتم های ژنتیک،  به دو بخش افراز می شود. روی هر افرازبندی، ادامه الگوریتم روش قبلی برای بهینه سازی هزینه ارتباطات اجرا شده و در نهایت خروجی با کمینه تعداد هزینه ارتباطات گزارش می شود. نتایج اجرا بر روی مدارهای محک نشان می دهد روش پیشنهادی نسبت به روش قبلی هزینه ارتباطات را به طور متوسط% 51/12 کاهش می دهد.

    کلیدواژگان: محاسبات کوانتومی توزیع شده، بهینه سازی، هزینه ارتباطات، افرازبندی گراف
  • فرانک امتحانی*، مرتضی رجب زاده، نسیم نهاوندی، فریماه مخاطب رفیعی صفحات 40-48

    هماهنگی در زنجیره‌ی تامین به عنوان ابزاری برای حفظ مزیت رقابتی و افزایش سودآوری شرکت‌ها به طور وسیعی مورد استفاده قرار گرفته است. با این حال، این راه حل نیز تا زمانی که مشکلات مالی شرکت‌ها در هنگام برنامه ریزی عملیاتی نادیده گرفته شوند ممکن است با شکست مواجه شود. برای حل این مشکل، در این پژوهش یک ساز و کار هماهنگی برای یک زنجیره‌ی تامین سه سطحی با استفاده از تامین مالی داخلی در شرایط وجود محدودیت‌های مالی توسعه داده شده است. این مساله به صورت یک مساله‌ی برنامه ریزی دوهدفه که همزمان هزینه‌های کل سیستم اعم از عملیاتی و مالی و سطح سرویس را بهینه می‌کند، مدل شده است. مدل پیشنهادی توسط روش ε-constraint حل شده است. نتایج حل مدل حاکی از آن است که ساز و کار هماهنگی پیشنهادی قادر به برقراری سطح سرویس کامل (100%) به مشتری نهایی می‌باشد، در حالی که در حالت غیر هماهنگ دستیابی به بیشتر از 50% سطح سرویس غیر ممکن است. علاوه بر آن، هزینه‌های عملیاتی و مالی زنجیره‌ی تامین مذکور با اعمال هماهنگی کاهش می‌یابند.

    کلیدواژگان: هماهنگی زنجیره ی تامین، محدودیت مالی، اعتبار تجاری، پیش پرداخت، بهینه سازی دو هدفه
  • مریم فردی، کوروش داداش تبار احمدی* صفحات 49-55

    امروزه، یادگیری عمیق با استفاده از موارد متعدد پتانسیل واقعی خود را نشان می‌دهد و در حوزه‌های مختلف تکنولوژیکی اهمیت دارد. یکی از پرطرفدارترین کاربردهای یادگیری عمیق، تشخیص و ردیابی اشیا است. محصولات اخیر نتایج امیدوارکننده ای را در همین رابطه نشان داده است. این مقاله رویکردهای سیستماتیک مختلفی را مورد بحث و مقایسه قرار می‌دهد که تصاویر را تجزیه و تحلیل نموده و مشخص می‌کند که آیا فرد ماسک صورت را به درستی، نادرست و یا اصلا استفاده نموده است یا خیر. تشخیص ماسک بر روی تصاویر، ویدیوها و سیستمهای نظارتی در زمان واقعی، با استفاده از سه الگوریتم یادگیری ماشینی پرکاربرد انجام می‌شودYolon3 ، Yolon5 و MobileNet-SSD V2 هرمدل وجود ماسک را روی صورت افراد تشخیص می‌دهد که بر اساس دقت آن‌ها و میزان سرعت پردازش ویدیو قضاوت می‌شود. نتایج عملکرد سه الگوریتم برای تشخیص وجود ماسک صورت بر روی یک فرد در زمان واقعی بر حسب FPS تعیین میگردد.

    کلیدواژگان: Yolon3، Yolon5، MobileNet-SSD، mAP، FPS
  • تقی جاودانی گندمانی*، مائده دشتی صفحات 56-63

    یکی از مهمترین و بحرانی ترین عوامل در توسعه پروژه های نرم افزاری تخمین مناسب هزینه ها است. اهمیت تخمین چنان است که یکی از مهمترین عوامل شکست یا توفیق پروژه ها می باشد. دیدگاه ها و روش های متعددی در خصوص نحوه انجام تخمین ارایه شده است که یکی از مهمترین آنها دیدگاه مبتنی بر تشابه می باشد. بهره گیری از ویژگی های مناسب و وزن دهی ویژگی ها نمونه ای از تلاش برای بهبود دقت است. این مطالعه در جهت بهبود تخمین هزینه توسعه نرم افزار، میزان تاثیر الگوریتم LEM بر بهینه سازی وزن ویژگی ها را مورد بررسی قرار داده است و اقدام به ارایه راهکاری نوین در این خصوص نموده است. در این تحقیق میزان اثربخشی الگوریتم بر روی دو مجموعه داده Desharnais و Maxwell بررسی شده است و از معیارهایMMRE ، (0.25) PRED و MdMRE برای ارزیابی و مقایسه روش پیشنهادی با دیگر الگوریتم های تکاملی از جمله  ژنتیک، تکامل تفاضلی و ازدحام ذرات استفاده شده است. نتایج نشان می‌دهد این الگوریتم توانسته است بهبود قابل توجهی را به دست آورد.

    کلیدواژگان: تخمین هزینه نرم افزار، مدل تکاملی یادگیر، تخمین مبتنی بر تشابه، بهینه سازی وزن ویژگی ها
  • محسن راجی*، بابک میرزاخانی صفحات 64-73

    بانکداری دیجیتال پارادایم جدیدی است که مصالح فراوانی را برای بانک، عرضه داشته و سبب افزایش بهره وری و سودآوری به نفع بانک و مشتری می‏گردد. در بانکداری دیجیتال با توجه به ذخیره‌شدن ویژگی‌های هویتی کاربر در تعیین هویت، کاربران کنترل فیزیکی و سنتی خود را بر روی اطلاعات شخصی هویتی خود از دست خواهند داد، و لذا به منظور پذیرش گسترده بانکداری دیجیتال، مشتریان باید مطمین باشند که هویت آن‏ها ربوده نخواهد شد. در جهت حل مشکل هویت‏های متعدد کاربران، سیستم‏های مدیریت هویت دیجیتال، پیشنهاد شده است. سامانه مدیریت هویت دیجیتال به‌عنوان مجموعه‌ای از سیاست‌ها، قوانین، روش‌ها و سامانه‌هایی است که مدیریت احراز هویت، کنترل دسترسی و عملیات حسابرسی بر اساس هویت دیجیتال را بر عهده دارد. کاربردی‏ترین مدل‏های مدیریت هویت به 5 دسته، مدل مجزا مدل متمرکز ، مدل وابسته ، کاربر محور و مدیریت ترکیبی دسته‏بندی می‏شوند. در این مقاله، مروری بر مدل‏های مختلف مدیریت هویت دیجیتال در حوزه بانکداری دیجیتال ارایه می شود و مزایا و معایب هر کدام ارایه می‏گردد.

    کلیدواژگان: امنیت، سیستم‏های مدیریت هویت، مدل کاربر محور، مدل مدیریت ترکیبی، هویت دیجیتال
  • آیلین پاکزاد*، مهدیه اختیاری، فهیمه تنهایی صفحات 74-81

    کووید-19 بیماری عفونی تنفسی حاد است که توسط یک کروناویروس جدید به نام سارس-کوو-2 ایجاد شده است. سازمان بهداشت جهانی در 11 مارس 2020 این عفونت را یک بیماری همه گیر جهانی اعلام کرد. از آنجایی که درک نقش فصلی بودن در گسترش همه‌گیری کووید-19 در تدوین مداخلات بهداشت عمومی ضروری است، در این پژوهش بررسی تغییرات فصلی بر روی موارد ابتلا و فوتی کووید-19 در کشور ایران انجام شده است. داده های جمع آوری شده شامل موارد ابتلا و فوتی کووید-19 از فروردین 1399 الی اسفند 1400 بر اساس آمار منتشر شده توسط وزارت بهداشت، درمان و آموزش پزشکی ایران است. در تحلیل داده ها از تحلیل واریانس یک طرفه استفاده شد. یافته های تحلیل واریانس یک طرفه نشان داد که بین میانگین های موارد ابتلا و فوتی کووید-19 در ماه ها و فصل های مختلف سال تفاوت آماری معنی داری وجود ندارد. نتایج تحلیل داده بیانگر آن است که اثر تغییرات فصلی بر روی شیوع کووید-19 در کشور ایران قابل ملاحظه نمی باشد. بنابراین کووید-19 در ایران فصلی نبوده و افزایش دما و رطوبت با رسیدن ماه‌های بهار و تابستان بدون اجرای مداخلات گسترده بهداشت عمومی لزوما منجر به کاهش پیشرفت همه گیری کووید-19 نمی گردد. لذا استراتژی های مرتبط با عوامل رفتاری مانند پوشیدن ماسک صورت، شستن دست ها، فاصله اجتماعی و واکسیناسیون پیشنهاد می شود.

    کلیدواژگان: همه گیری، ویروس سارس-کوو-2، کووید-19، فصلی بودن، تحلیل واریانس، ایران
  • آرش خسروی، محمدرضا نوروزی صفحات 82-94

    شاخص بازار سرمایه به عنوان دماسنج اقتصادی در هر کشور است، در گزارشهای خبری هنگامیکه از بورس سخن به میان می‌آید، معمولا این شاخص است که عنوان می‌شود. از این‌رو، پیش‌بینی این متغیر، بینش مهمی از وضعیت اقتصادی و به دست آوردن استراتژی‌های مناسب برای سرمایه‌گذاری را ارایه می‌دهد. پژوهش در پیش‌بینی پذیری بازار سهام دارای سابقه های طولانی در اقتصادهای مالی است. در حالی که عقاید متفاوتی پیرامون کارایی بازار وجود دارد، مطالعات تجربی گسترده نشان می‌دهد که بازارهای مالی تا حدی قابل پیش‌بینی هستند. در میان روش های پیش‌بینی بازده سهام، روش های آماری یا اقتصادسنجی بر پایه تحلیل حرکات گذشته بازار از همه‌ی روش ها پذیرفته شده‌تر هستند. اخیرا و با رشد روزافزون توان محاسباتی کامپیوترها، استفاده از روش هوش مصنوعی نیز با اقبال زیادی مواجه شده‌است. هدف پژوهش حاضر این است که با استفاده از مدلهای هوش مصنوعی به پیش‌بینی شاخص کل بورس اوراق بهادار تهران و شاخص 50 شرکت برتر بپردازد. برای این منظور اطلاعات مربوط به این شاخصها در بازه‌های زمانی یک روزه برای 10 سال استخراج شده است. این اطلاعات با مدل یادگیری عمیق که یکی از مدلهای نوین هوش مصنوعی است، تجزیه و تحلیل شده است.

    کلیدواژگان: بورس اوراق بهادار، وضعیت اقتصادی، شاخص بازار سرمایه، پیش بینی شاخص، شبکه عصبی مصنوعی
  • محمد مرادپور، حدیث عبیدی اردکانی صفحات 95-106

    در حال حاضر به بررسی صنعت حمل و نقل هوایی و آینده آن با در نظر گرفتن اینترنت اشیا پرداخته شده است. هم اکنون تقاضا برای حمل و نقل هوایی با رشد جمعیت جهانی و افزایش طبقه متوسط در حال توسعه افزایش یافته است. پیشرفت اقتصادی تجارت بین‌الملل و کشورها، و روند صعودی گرایش به صلح و امنیت به طور مداوم خطوط هوایی را تحریک می کند از این رو ما را برآن داشت که به بررسی آینده اینترنت اشیا در صنعت هوانوردی بپردازیم. این موضوع یکی از جذابترین سطح تکنولوژی است که در دهه آینده محققان هوافضا بیشتر بر روی آن تمرکز خواهند کرد. با بررسی اینترنت اشیا در زمینه هوافضا می توان از تولید تا محصول نهایی و حتی تعمیر و نگهداری در جهت هوشمندسازی تکنولوژی کمک گرفت. همچنین مطالعات IOTدر صنعت هوانوردی می توانند به این صنعت کمک کند تا مزایایی از جمله رضایت مشتری را فراهم کند. در این پژوهش هدف شناسایی مشخصات متنوع اینترنت اشیاست که نمایانگر سطح رشد و توسعه تکنولوژی و ضرر ها و کاربرد های IOT می باشد. استفاده از متدولوژی های اینترنت اشیا با در نظر گرفتن منشا کیفیت جهت توسعه هوشمندسازی آینده صنعت هوافضا و بررسی پتانسیل های آن، مورد تحقیق و بررسی قرار خواهد گرفت که منجر به پیشرفت روزافزون علم هوانوردی و صنعت هوافضا می شود. از مهم ترین اهداف محققان اینترنت اشیا بالا بردن میزان تحقق و پویایی این تکنولوژی در صنعت است. طبق گفته کارشناسان بسیاری از مشخصات اینترنت اشیا قابل استفاده در صنعت هوافضا بوده و همچنین این تکنولوژی امنیت سیاسی صنعت هوافضا را به میزان قابل توجهی افزایش داده است.

    کلیدواژگان: هوانوردی، هوافضا، اینترنت اشیا، هوشمندسازی سوخت، حمل و نقل هوایی
|
  • Masoud Zeinizadeh, Arash Khosravi* Pages 1-7

    Stress is one of the problems of today's societies that is rapidly developing in all aspects of life and can be the root of many psychological and physical problems. Stress occurs when a person exerts more pressure than he or she is accustomed to. Since stress is a factor that can severely affect the performance of individuals. Therefore, the diagnosis and evaluation of stress in professionals has become an important category. Early detection can prevent serious harm to people. One of the ways to diagnose stress is to use vital signals. In this study, vital nerve and muscle signal or electromyography was used to diagnose stress. For this purpose, the biceps muscle signal of 5 people in two positions before stress and during stress are analyzed by using mathematical parameters according to the values of the criteria and their evaluation in different people. The proposed method shows the signal correlation rate of 0.0970.

    Keywords: Stress, EMG, Discrete Wavelet Transform, Feature Extraction
  • Arash Khosravi*, Mohsen Rajabi Golmehr, Masomeh Etemadi Pages 8-14

    Nowadays, the opinion of users, consumers and customers, in addition to business owners, is very necessary, important and useful for manufacturers, suppliers, marketers and, most importantly, to attract new customers. But analyzing all the opinions and understanding the feelings of previous experts to judge, evaluate, choose the right product by a customer is a very time consuming and difficult task. On the other hand, business owners need tools to understand the feelings of their customers. Therefore, in this study, the analysis of consumers' emotions based on the Platchik emotional model has been considered. Among the methods available in the world of information technology and past research, the use of text mining, machine learning and neural network-based models Emotion Analysis Deep Neural NetworkShort-Long Memory Platchik Emotional Model Support Vector Machine including deep learning, has provided better results. In this research, a machine-based method has been used. This data set has been prepared by designing the site and emotion analysis by volunteers, and the generated data has entered the machine learning phase using a neural network after the pre-processing stages. The results, has been able to make accurate predictions with more than 75% accuracy.

    Keywords: Emotion Analysis, Deep Neural Network, Short-Long Memory Platchik, Emotional Model Support Vector Machine
  • Razieh hashemi Alam, Mahbobeh Shamsi*, Majid Aghaee Pages 15-21

    Classification of cancer subtypes is very important task for the diagnosis and prognosis of cancer. In recent years, deep learning methods have gained considerable popularity for this reason; however, it is difficult to determine the structure of the neural network because the function of the deep network depends largely on its structure. In addition, the high number of genes in the gene expression database and the imbalanced data between different classes have a direct effect on the complexity and performance of cancer subgroup classification models. To address the problem of unbalanced data, a convolution neural network (CNN) model using a cost-sensitive strategy is proposed to increase the model's accuracy in identifying minority classes. On the other hand, the fisher ratio technique is used to reduce genes in the preprocessing stage. In techniques the cost-sensitive method, a cost matrix is created based on the distribution of classes, and then this matrix is used in the CNN network cost function step to calculate the amount of error. Two sets of cancer datasets are used to evaluate the proposed method. The results show that selecting the appropriate genes for classification along with the use of cost-sensitive learning can increase the performance of the proposed method compared to the CNN model without selecting the feature and cost-sensitive learning about 11%, 10% and 18% in terms of three criteria of accuracy, recall and precision, respectively.

    Keywords: Classification, Imbalanced Data, Cancer subgroups, Geneexpression, Convolution Neural Networks, Cost-sensitive learning
  • Morteza Rajabzadeh*, Amin Mohammadnejad, Kourosh Eshghi Pages 21-30

    Graph sum colouring is the assignment of natural numbers to the vertices of a simple graph so that the sum of the numbers assigned to the vertices of the graph is minimized. Its most important application is in the scheduling problems. Given that this is one of the NP-Hard problems, no exact solution has been provided so far. Therefore, in this study, a hybrid heuristic, based on the idea of identifying independent sets of graph vertices and assigning the smallest natural number available for the largest independent set has been developed. The proposed algorithm is tested on graphs in well-known libraries of randomly generated graphs. The results show the efficiency of the proposed algorithm.

    Keywords: Graph Sum Colouring, Independent Set, Meta-heuristics
  • Marzieh Samadpour*, Mahboobeh Houshmand, Seyyed Abed Hosseini Pages 31-39

    Due to the complexities of making quantum computers, to have a large quantum computer, a viable solution is to build a network of quantum computers of finite size that are interconnected through a quantum or classical channel and can handle the whole behavior of the quantum system. In other words, the quantum computing circuit model can be extended to distributed quantum computing, where each subsystem transmits its data to other parts on demand via a communication channel. A reliable mechanism for such communication is distributed using the concept of quantum telecommunication between nodes of a quantum system. Minimizing the number of quantum telecommunications between nodes of a distributed quantum computer is considered as a measure of its productivity. In a previous work, a method for optimizing the number of quantum telecommunications between two parts of a distributed quantum system is presented. It starts with a quantum circuit that is initially divided into two parts. Then, using a proposed algorithm, it optimizes the communication cost (number of quantum telecommunications) between the two parts of this distributed quantum circuit. Obviously, changing the initial configuration can lead to other solutions. In this paper, the quantum circuit is mapped to a weighted graph and is divided into three partitions by three graph partitioning methods, namely KL, FM and genetic algorithms. On each partition, a continuation algorithm of the previous method to optimize the communication cost is implemented and finally the output with the minimum number of communication costs is reported. The results of the test on the test circuits show that the proposed method reduces the communication cost by 12.51% on average

    Keywords: Distributed quantum computing, Optimization, Communication cost, Graph partitioning
  • Faranak Emtehani*, Morteza Rajabzadeh, Nasim Nahavandi, Farimah Mokhatab Rafiei Pages 40-48

    Supply chain coordination is extensively used as an effective tool for firms to stay competitive and improve their profitability. However, this solution may fail if the financial problems of the firms are ignored in the operations. To solve this challenge, we have proposed a coordination scheme using internal financing for a three-level supply chain facing some financial constraints. This case is modeled as a bi-objective optimization problem that optimizes both system’s costs and service level. We have solved the model using εconstraint method. The results show that the proposed coordination scheme can provide full service level (100%) to the customer, while the noncoordinated system cannot reach more than 50% of the service level. Furthermore, the system’s operational and financial costs are reduced by coordination.

    Keywords: Supply chain coordination, financial constraint, trade credit, advancedpayment, bi-objective optimization
  • Kurosh Dadashtabar Ahmadi*, Maryam fardi Pages 49-55

    Surveys, evaluations using multiple cases show their true potential and there are important technologies in various fields. One of the most popular applications of concepts is object recognition and tracking. Recent products show promising results in this regard.These systems can be compared and compared, which analyzes the images and determines whether the person has used the mask correctly, incorrectly or not at all. Mask detection is performed on real-time video and surveillance systems using three widely used machine image algorithms: Yolon3, Yolon5 and MobileNet-SSD V1. Recognized. Will be judged.The performance results of the three algorithms for detecting the presence of a face mask on a person in real time are determined in terms of FPS

    Keywords: Yolon3, Yolon5, MobileNet-SSD, mAP, FPS
  • Taghi Javdani Gandomani*, Maedeh Dashti Pages 56-63

    one of the most important and critical factors in software projects is the proper cost estimation. due to the high significance and impact of the proper cost estimation, several approaches and methods have been proposed regarding how to perform cost estimation, in which the analogy-based approach is one of the foremost popular ones. To improve software development cost estimation, the current study has investigated the effect of the LEM algorithm on optimization of features weighting and proposed a new method as well. In this research, the effectiveness of this algorithm was inspected on two datasets, Desharnais and Maxwell. Then, MMRE, PRED (0.25), and MdMRE criteria have been used to evaluate and compare the proposed method against other evolutionary algorithms. Employing the proposed method showed considerable improvement in estimating software cost estimation.

    Keywords: software cost estimation, Learnable evolution model (LEM), Analogy-based estimation, Features weighting optimization
  • Mohsen Raji*, Babak Mirzakhani Pages 64-73

    Digital banking is a new paradigm that provides a lot of materials for the bank and increases productivity and profitability for the benefit of the bank and the customer. In digital banking, due to the storage of the user's identity characteristics in determining the identity, users will lose their physical and traditional control over their personal identity information, and therefore, in order to widely accept digital banking, customers must be sure that their identity Will not be kidnapped. In order to solve the problem of multiple user identities, digital identity management systems have been proposed. Digital identity management system is a set of policies, rules, methods and systems that manage authentication, access control and audit operations based on digital identity. The most practical identity management models are classified into 5 categories, separate model, centralized model, dependent model, user-oriented model, and mixed management. In this article, an overview of different models of digital identity management in the field of digital banking is presented and the advantages and disadvantages of each are presented.

    Keywords: Security, Identity management systems, User-centric model, Hybridmanagement model, Digital identity
  • Aylin Pakzad*, Mahdieh Ekhtiari*, Fahimeh Tanhaie Pages 74-81

    Coronavirus disease 2019 (COVID-19) is an acute respiratory infectious disease caused by a new coronavirus SARS-CoV-2. The World Health Organization declared this infectious disease as a global pandemic on 11 March 2020. Since it is necessary to understand the role of seasonality in the spread of the COVID-19 epidemic in the formulation of public health interventions, in this study, the effect of seasonal changes on the cases of infection and deaths of COVID-19 in Iran has been investigated. The data collected from Iran’s Ministry of Health and Medical Education, including the cases of infection and deaths of COVID-19 from 20 March 2020 to 20 March 2022. In data analysis, One-way analysis of variance (ANOVA) was used. The results of One-way ANOVA showed that there is no significant statistical difference between the averages of the cases of COVID-19 in different months and seasons of the year. Also, there is no statistically significant difference between the averages of COVID-19 deaths in different months and seasons of the year. Results of data analysis data showed that the effect of seasonal changes on the spread of COVID-19 in Iran is not significant. As a result, because COVID-19 is not seasonal in Iran, an increase in temperature and humidity with the arrival of spring and summer months will not necessarily result in a reduction in the spread of the COVID-19 epidemic if extensive public health interventions are not implemented. Therefore, behavioral strategies such as wearing a face mask, washing hands, maintaining a social distance and vaccination are suggested.

    Keywords: Epidemic, SARS-COV-2, COVID-19, Seasonality, ANOVA, Iran
  • Arash Khosravi *, MohammadReza Noruzi Pages 82-94

    The stock market is an economic thermometer in every country, and news reports usually mention the financial index regarding the stock market. Therefore, predicting this variable provides bright insight into the economic situation and obtaining appropriate investment strategies. Research on stock market predictability has a long history in financial economics. While there are different opinions about market efficiency, extensive empirical studies show that financial markets are somewhat predictable. Therefore, among the methods of predicting stock returns, statistical or econometric methods based on analysing past market movements are more accepted than other methods. Artificial intelligence has also been prevalent with the increasing computing power of computers. The current research uses artificial intelligence models to predict the total index of the Tehran Stock Exchange and the index of the top 50 companies. Moreover, for this purpose, the information related to these indices has been extracted in one-day intervals for ten years. We will analyse this information with the deep learning model, one of the new artificial intelligence models.

    Keywords: Tehran Stock Exchange, Stock Market Index, Prediction, Artificial neuralnetwork
  • Mohamad Moradpour, Hadis Abidi. Pages 95-106

    This study presents investigation of future the air transport industry by considering the IOT. Request for air transportation is now increasing as the world population grows and the developing middle class grows. The economic development of international trade and countries, and the upward trend towards peace and security are constantly stimulating airlines, thus prompting us to explore the future of the Internet of Things in the aviation industry. This topic is one of the most interesting levels of technology that aerospace researchers will focus on in the next decade. By examining the Internet of Things in the field of aerospace, it is possible to get help from production to the final product and even maintenance in order to make technology smarter. Also, IOT studies in the aviation industry can help this industry to provide benefits such as customer satisfaction. In this research, the aim is to identify the various characteristics of the Internet of Things, which represent the level of growth and development of technology and the disadvantages and applications of IOT. The use of Internet of Things methodologies, considering the origin of quality for the development of the future intelligence of the aerospace industry and investigating its potential, will be researched and investigated, which will lead to the increasing progress of aviation science and the aerospace industry. One of the most important goals of Internet of Things researchers is to increase the realization and dynamics of this technology in the industry. According to experts, many features of the Internet of Things can be used in the aerospace industry, and this technology has significantly increased the political security of the aerospace industry.

    Keywords: Aviation, Aerospace, IOT, Fuel Intelligence, Air transport