مجله فناوری اطلاعات در طراحی مهندسی
سال چهاردهم شماره 2 (پاییز و زمستان 1400)

بسیاری از مدل های پیش بینی در سیستم های توصیه گر سعی در مدل کردن فاکتورهای پنهان کاربران و آیتم ها دارند. این مدل ها به کمک ماتریس امتیازات داده شده توسط کاربران به آیتم ها آموزش می بینند و کم بودن نسبت امتیازات داده شده کاربران به آیتم ها نسبت به کل امتیازات ممکن، باعث کاهش دقت این مدل ها شده است. لذا برای حل این مشکل در برخی پژوهش ها سعی گردیده است که علاوه بر امتیازات موجود از اطلاعات کمکی نظیر اسناد توصیفی که در مورد آیتم ها وجود دارند استفاده گردد. اما بسیاری از آنها از مدل های قدیمی تر پرکاربرد در متن کاوی استفاده نموده اند و همچنین عدم لحاظ نمودن حداکثر حاشیه در هنگام محاسبه ویژگی های کاربران و آیتم ها باعث گردیده است که ویژگی های کاربران و آیتم ها به شکل موثری استخراج نگردد. در این مقاله و در روش ارایه شده، مدلی غیرخطی ارایه کرده ایم که انعطاف بیشتری در مقایسه با مدل های خطی دارد و علاوه بر استفاده از اسناد توصیفی در مورد آیتم ها، با لحاظ کردن حداکثر حاشیه در هنگام استخراج ویژگی های کاربران باعث بهبود صحت پیش بینی گردیده است. با توجه به توانایی شبکه های عصبی در کار با دنباله ها، برای استخراج ویژگی از اسناد متنی از شبکه LSTM در مدل پیشنهادی استفاده می نماییم.

سهم اصلی این مقاله ارایه یک مدل مرتبه کسری از دینامیک سلولهای توموری و ارایه یک کنترل کننده برای ایمن درمانی تومور است به طوریکه از مزایای کنترل گام به عقب، کنترل مد لغزشی، کنترل فازی و تخمین پارامترها به طور تطبیقی بهره می برد که برای اولین بار پیشنهاد شده است. در این مقاله یک کنترل کننده جدید گام به عقب فازی تطبیقی با مدل مرتبه کسری جهت کنترل سیستم مرتبه کسری ایمن درمانی تومور پیشنهاد شده است. به دلیل آنکه می توان از مشتقات و انتگرال های کسری در مدل سازی سیستم هایی مانند بدن انسان و سیستم های بیولوژیکی استفاده نمود و با توجه به خلا استفاده از مدل های مرتبه کسری در این موضوع، تاکید این مقاله بر روی طراحی کنترل کننده با مدل مرتبه کسری است. از آنجایی که مدل مرتبه کسری سیستم ایمن درمانی تومور دارای عدم قطعیت است و برخی از عبارات غیر خطی نامعین هستند، از مدل فازی جهت مدل سازی آن استفاده شده است. سپس به منظور کنترل آن یک کنترل کننده گام به عقب تطبیقی طوری طراحی شده است که به هدف رساندن سلول های توموری به سمت صفر با یک عبارت نمایی برسیم.

در شبکه های توزیع، وجود بار راکتیو باعث ایجاد تلفات، افت ولتاژ و اشغال ظرفیت شبکه می گردد. در این مقاله برای اولین بارجایابی بهینه خازن برای دستیابی به اهداف فنی بر روی شبکه 33 باسه IEEE در دو نرم افزار متلب (MATLAB) و دیگسایلنت (DIgSILENT) مورد بررسی قرار گرفته است. فرآیند خازن گذاری شامل دو مرحله تعیین باس های کاندید جهت خازن گذاری بهینه با توجه به تلفات، پروفیل ولتاژ و مشخص کردن باس های نهایی بهینه صورت می گیرد. نتایج حاصل از شبیه سازی شبکه مورد مطالعه در نرم افزار MATLAB با الگوریتم آموزش -یادگیری (TLBO) و همینطور نرم افزار دیگسایلنت، نشان دهنده تاثیر قابل توجه خازن گذاری در کاهش تلفات و بهبود پروفیل ولتاژ می باشد و از طرفی میزان کارایی هر یک از این دو نرم افزار، دقت محاسبات و همچنین پیچیدگی محاسباتی نیز بررسی و مقایسه شده است.

همان طورکه اعتماد بین انسان ها حاصل تجربیاتی است که از ارتباط مستقیم یا پیشنهادهای افراد مورد وثوق به دست آورده اند؛ در شبکه نیز هر موجودیتی نیاز به آگاهی از قابلیت اعتماد طرف مقابل دارد. این تحقیق به مطالعه و مدلسازی اعتماد در شبکه های حسگر بی سیم پرداخته و جهت حصول نتایج دقیق تر، از پارامترهایی چون باقیمانده ی انرژی، میزان تعاملات موفق و ناموفق، فاصله ی زمانی دریافت و ارسال بسته استفاده می نماید. هدف آن است که در شبکه های حسگر بی سیم، به ارایه یک مدل اعتماد پویا، شامل انواع مستقیم و غیرمستقیم با رویکرد واکنشی پرداخته و علاوه برآن، میزان اطمینان به اعتماد حاصل شده را بررسی نماید. رویکردهای اصلی این تحقیق، بکارگیری مدل منطق ذهنی در محاسبه ی اعتماد و ارایه ی ساختار پنجره ی لغزان بهبود یافته برای مدیریت بهینه اطلاعات موجود می باشد. نتایج شبیه سازی راهکار پیشنهادی در مقایسه با مدل EDTM حاکی از افزایش 11.99% انرژی باقیمانده ی شبکه و رشد 1.52% دقت تشخیص گره های مخرب می باشد.

سیستم های تشخیص نفوذ به منظور کاهش ضعف امنیتی نرم افزارها ، لزوم حفظ امنیت اطلاعات و افزایش کارایی در شبکه های کامپیوتری توسعه یافته اند. در حوزه شبکه امنیت، کنترل دسترسی و تشخیص به موقع حملات شبکه از مباحث مهم پژوهشی هستند. عملا هیچ سیستمی امنیت کامل ندارد به همین دلیل پژوهشگران مختلف به دنبال روش های کشف و طراحی انواع سیستم های خبره تشخیص نفوذ بر اساس روش های آماری، داده کاوی و شبکه های عصبی می باشند. یکی از مهم ترین اجزای ساختار امنیتی شبکه های رایانه ای، سیستم کشف نفوذ می باشد که در مباحث امنیت شبکه های رایانه ای جایگاه ویژه ای دارد. ایده اصلی یک سیستم تشخیص نفوذ، تشخیص ترافیک بد یعنی ترافیکی که باعث آسیب و از بین رفتن امنیت در رایانه و یا شبکه های رایانه ای می باشد، است. هدف این مقاله نیز بررسی و مرور کلی سیستم های تشخیص نفوذ است.

تکنولوژی محاسبات ابری در دنیای امروز کاربرد وسیعی توسط توسعه دهندگان برنامه های مختلف در بستر اینترنت دارد. افزایش تعداد مراکز داده  ابری در دنیا باعث افزایش مصرف انرژی می گردد که پیامدهایی مانند انتشار کربن، تاثیر مخرب بر محیط زیست و افزایش هزینه های فراهم آوردنده را در پی خواهد داشت؛ بنابراین فراهم آورندگان محیط محاسبات ابری بدنبال کاهش مصرف انرژی هستند به طوری که توافق نامه ی سطح خدمات  برقرار گردد. تکنیک تجمیع ماشین های مجازی روش مناسبی جهت کاهش مصرف انرژی در محیط محاسبات ابری می باشد. نقض قرارداد معیاری مهم در تجمیع و مصرف انرژی است. بنابراین با درنظر گرفتن پارامتر نقض قرارداد، دسته بندی وضعیت بعدی ماشین های فیزیکی در سه دسته ی دارای نقض قرارداد، بدون نقض قرارداد و غیرممکن در نقض قرارداد انجام می شود. پس از اینکه ماشینی فیزیکی به عنوان مبدا مهاجرت براساس وضعیت بعدی آن انتخاب شد؛ در این مقاله روشی برای انتخاب ماشین فیزیکی مقصد با استفاده از وضعیت بعدی آن پیشنهاد شده است. این روش توافق نامه ی سطح خدمات را با توجه به سه دسته بندی وضعیت ذکرشده ی ماشین های فیزیکی رعایت می کند. اگر ماشین فیزیکی بدون نقض قرارداد وجود داشته باشد انتخاب می شود وگرنه یک ماشین فیزیکی از دسته ماشین های فیزیکی غیرممکن در نقض قرارداد، مقصد مهاجرت است. روش پیشنهادی باعث بهبود تعداد مهاجرت ها، نقض قرارداد با توجه به تعداد مهاجرت ها و انرژی مصرفی می شود.