دانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320A Novel Algorithm Inclined Planes system Optimizationالگوریتم جدید بهینهسازی سیستم صفحات شیبدار32067309FAمحمد حامد مظفری1دانشگاه بیرجند، دانشکده برق و کامپیوتر، بیرجندحامد عبدیدانشگاه بیرجند، دانشکده برق و کامپیوتر، بیرجندسیدحمید ظهیریاستاد تمام، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران0000-0002-1280-8133Journal Article20180819In the last decades huristic algorithms optimization are used in various fiels of science and<br />engineering problems. Most of these methods are inspired by natural phenomena, such as<br />biological behaviors or physical principles. In this paper, a new optimization method based on<br />the dynamic of sliding motion along a frictionless inclined plane is introduced. In the proposed<br />algorithm, a collection of agents cooperate with each other and move toward better positions in<br />the search space by employing Newton’s second law and equations of motion. Our method is<br />compared with other popular optimization algorithms and the results on 23 standard<br />benchmark functions show its effectiveness in most cases. در چند دهه اخیر الگوریتمهای هوشمند یا ابتکاری در بسیاری از زمینههای علوم مهندسی و علمی به کار رفته است. بسیاری از این روشها بر گرفته از پدیدههای طبیعی مانند رفتار بیولوژیکی بدن هستند و یا با استفاده از اصول و قوانین مربوط به علم فیزیک طراحی شدهاند. در این مقاله یک روش ابتکاری جدید بر مبنای دینامیک حرکت اجسام بر روی صفحات شیبدار بدون اصطکاک، مطرح خواهد شد. در الگوریتم مطرح شده مجموعهای از اجسام با همکاری یکدیگر بر اساس قانون دوم نیوتن و معادلات حرکت به سمت بهترین جواب مساله حرکت میکنند. عملکرد الگوریتم ارائه شده، با عملکرد دیگر الگوریتمهای متداول، بر روی 23 تابع محک استاندارد، مقایسه شده که کارایی و اثربخشی آن در اغلب موارد نشان داده شده است.https://jscit.nit.ac.ir/article_67309_6705a9e5b32e4754c89728fa62c8e6b4.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320Design and Capacity Analysis of Vehicle-to-Roadside High-Rank LOS MIMO Channels in Vehicular Sensor Networksطراحی و تحلیل ظرفیت کانال های چند- ورودی چند- خروجی مرتبه ی بالای دید مستقیم در شبکه های حسگر ترابری213467311FAمحمدرضا علی مددیدانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ) پلی تکنیک تهران(عباس محمدیدانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ) پلی تکنیک تهران(عبدالعلی عبدی پوردانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ) پلی تکنیک تهران(Journal Article20180819This paper proposes a new technique to design an optimal Multiple-Input Multiple-Output (MIMO) system, which is used to transmit data between vehicle and Road-Side Unit (RSU) In a vehicular sensor network, under the condition that a dominant Line-of-Sight(LoS) component exists in the channel matrix. Optimization criterion is the rank of the channel matrix and consequently the Shannon’s capacity. We show that by a proper selection of locations of antennas in a Uniform Linear Array (ULA), the capacity can be maximized in many points of the vehicle route. We see that the proposed model is more comprehensive than the previous ones, and it provides the possibility of investigating the capacity under any arbitrary route considered for the movement of the vehicle. The obtained LoS matrix is used in the Rician fading channel model and the performance of the system is evaluated based on the Ergodic and Outage capacity criteria. The results show that by utilizing this optimal design, the capacity in the case of existence of LoS is greater than the capacity of Rayleigh channel, most of the times.این مقاله روشی برای طراحی بهینه ی یک سیستم چند- ورودی چند- خروجی (MIMO) که برای مخابره ی داده بین خودرو و ایستگاه کنار جاده ای در یک شبکه ی حسگر ترابری به کار می رود، را معرفی می نماید، تحت شرایطی که یک مولفه ی دید مستقیم (LoS) بین فرستنده و گیرنده وجود داشته باشد. معیار بهینه سازی، مرتبه ی ماتریس کانال و به تبع آن، ظرفیت شنون خواهد بود. نشان می دهیم که با انتخاب مناسب مکان آنتن ها در یک آرایه ی یکنواخت خطی، می توان ظرفیت را در نقاط زیادی از مسیر حرکت خودرو، بیشینه نمود. خواهیم دید که مدل ارائه شده در اینجا، جامع تر از مدل های قبلی است و این امکان را فراهم می آورد که ظرفیت را تحت هر نوع مسیر دلخواهی که برای حرکت خودرو در نظر گرفته می شود، بررسی کرد. ماتریس LoS حاصل، در کانالی با مدل محو شوندگی رایسی به کار برده می شود و عملکرد سیستم بر مبنای معیار های ظرفیت Ergodic و ظرفیت Outage ارزیابی می گردد. نتایج بدست آمده نشان می دهد که به کمک این طراحی بهینه، در بیشتر زمان ها ظرفیت در حالت وجود LoS نسبت به ظرفیت کانال رایلی بیشتر است. https://jscit.nit.ac.ir/article_67311_79546c8f6bd5ec0fe1626719cf2e6515.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320Position Accurate Estimation in GPS Receivers using Neural Networksحل دقیق معادلات موقعیت در گیرنده های GPS با استفاده از شبکههای عصبی354567312FAمجتبی احمدیدانشکده برق دانشگاه علم و صنعت ایرانو سید محمدرضا موسوی میرکلائیدانشکده برق دانشگاه علم و صنعت ایرانJournal Article20180819The Global Positioning System (GPS) is a space-based satellite navigation system that provides location and time information in all weather, anywhere on or near the Earth, where there is an unobstructed line of sight to four or more GPS satellites. The GPS program provides critical capabilities to military, civil and commercial users around the world. Traditionally GPS navigation equations can be solved using iterated methods, difference linearization, and extended Kalman filter. All these techniques attempt to linearize the equations and then solve them by traditional means such as Least Squares (LS) solvers. The linearization introduces a small error in the equations as the higher order terms are neglected from the equations to be solved. Neural Networks (NNs) are used to approximate non-linear functions using a training set composed of past data to learn NN weights from data. In this paper, an approach to solving the GPS pseudo-range carrier phase measurements equations using multi-layer perceptron NNs is proposed. The experimental results obtained from a Coarse Acquisition (C/A)-code single-frequency GPS receiver are provided to confirm the efficacy of the proposed method to provide a high level of positioning accuracy. The results of comparison by LS method show NN approach has less RMS error, less calculation volume and more precision. Also, simulations demonstrate that NN has stable behavior even under bad geometry conditions.امروزه از مزیتهای GPS در صنایع مختلف از جمله صنعت هوافضا و نقشهبرداری بسیار استفاده میشود. برای محاسبه موقعیت با استفاده از دادههای دریافتی در گیرنده GPS، روشهای مختلفی ارائه شده است که هر کدام به نوعی سعی در افزایش دقت تعیین موقعیت دارند. شبکههای عصبی مصنوعی روشی تقریبا جدید برای تقریب توابع و پیشبینی حالت آینده سیستمهای مختلف میباشند. این شبکهها برای حالتی که بین ورودی و خروجی سیستم روابط غیرخطی برقرار است، به خوبی به نتایج قابل قبول منتج میشوند و از اینرو در بسیاری از حوزههای علمی مورد استفاده قرار میگیرند. در این مقاله روشی مبتنی بر شبکههای عصبی برای حل دقیق معادلات موقعیت در گیرندههای GPS پیشنهاد شده و عملکرد آنها با یکدیگر و همچنین با روش مرسوم حداقل مربعات خطا مقایسه میگردد. با استفاده از نتایج بدست آمده روشن است که دقت و سرعت روش پیشنهادی از روشهای موجود بیشتر است. همچنین این روش در بیشتر حالات و از جمله حالاتی که روش حداقل مربعات خطا جوابی بدست نمیدهد نیز به جواب قابل قبولی منتج میشود.https://jscit.nit.ac.ir/article_67312_e67b6cf864bc20c745a430d91f4e2151.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320Blind Separation Of Scanned Documents Mixture Based On Nonlinear Preprocessing and Competition Between The High-Frequency Componentsجداسازی کور تصاویر ترکیبی اسکن شده، بر مبنای پیشپردازش غیرخطی و اعمال تابع رقابت مابین اجزاء فرکانس بالا476267315FAسمیه اربابیدانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلرضا قادریدانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلعطالله ابراهیم زادهدانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلJournal Article20180819<em>When an image is taken from a paper-based documents, such as scanned paper, the picture on the back page of the front page of the paper leaves effect behind. Pictures of the back and the front page of the paper, make a nonlinear combination and thus a practical problem of blind source separation (BSS) provides. Here a version of the highly nonlinear mixtures using onion skin paper, is used. Separation was performed by applying an enhanced InfoMax algorithm based on a novel nonlinear preprocessing method, and competition between high frequency components of the wavelet decomposition of the images. Separation results with proposed algorithm were evaluated by objective and subjective criteria. that indicate the precision, speed and quality of the estimated image with proposed algorithm, outperform the other nonlinear BSS methods. In order to accurately evaluate the separating algorithms and comparison the quality of estimated images with original sources, in addition to the usual criteria, the similarity Line Profile and measure of Euclidean distance between standard deviation of images introduced. Nonlinear separation results with the proposed algorithm was tested by the quantitive and qualitative measures, and a significant improvement was observed.</em><strong> هرگاه از یک مدرک کاغذی تصویری گرفته شود، مثلاً در حین اسکن کاغذ، تصویری که در پشت صفحه کاغذ وجود دارد اثری در صفحه جلویی از خود برجای می</strong><strong>گذارد. تصاویر صفحۀ پشت و روی کاغذ ترکیبی غیرخطی ایجاد می</strong><strong>کنند و بنابراین یک مسأله با کاربرد عملی برای جداسازی کور منابع </strong>(BSS)<strong>فراهم میآید. در اینجا، یک نسخه از ترکیبات شدیداً غیرخطی که در آن از کاغذ "پوستپیازی" استفاده شده، بکار گرفته شده است. جداسازی توسط </strong>InfoMax<strong> بسط یافته و با اعمال یک روش پیشپردازش غیرخطی ابتکاری مبتنی بر رقابت بین اجزاء فرکانس بالای تجزیه موجک تصاویر انجام شد. نتایج جداسازی توسط معیارهای کیفی و کمی مورد ارزیابی قرارگرفت که بیانگر دقت، سرعت و کیفیت بالای تصاویر تخمینی است. به منظور ارزیابی دقیقتر الگوریتم جداسازی غیرخطی و مقایسه کیفیت تصاویر تخمینی با منابع اولیه، علاوه بر معیارهای ارزیابی معمول، معیار سنجش فاصله اقلیدسی بین انحراف معیار تصاویر و شباهت </strong>Line Profile<strong> معرفی شده است. نتایج جداسازی غیرخطی با الگوریتم پیشنهادی توسط معیارهای مذکور مورد بررسی قرار گرفت و بهبود قابل ملاحظهای مشاهده شد.</strong>https://jscit.nit.ac.ir/article_67315_ee3ef947e86ef7514ad1c91f6b94f6e4.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320Fitness Functions’ Improvement of Evolutionary Algorithm in WSNاصلاح مشکلات توابع برازش الگوریتمهای تکاملی در شبکهی حسگر بیسیم637067318FAعطالله ابراهیم زادهدانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلعطیه حسینپوردانشگاه علوم و فنون مازندرانمجتبی جعفری لاهیجانیدانشگاه علوم و فنون مازندرانمریم نجیمیدانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلمحمد حسین پوردانشگاه صنعتی شریفJournal Article20180819Wireless sensor networks (WSN) besides being an emerging technology with a wide range of applications, have some challenges such as energy consumption, localization, security, etc. that for solving these problems, evolutionary algorithm will be used mostly.The most important part of every evolutionary algorithm is its Fitness Function because this function leads the algorithm close to final solution. The fitness functions that are used in most of the WSN papers, have problems such as, ignoring the units of parameter when combining them in an equation and also ignoring the dependency of the parameters value’s alterations on the total amount of function’s value. In this paper, the problems of fitness functions will be investigated and then for correcting these problems some solutions will be suggested.<strong>شبکههای حسگر بیسیم علاوه بر جذابیت و کاربرد فراوان، دارای چالشهایی نظیر مصرف انرژی، مکانیابی، امنیت و غیرهمیباشند که عمدتا برای حل آنها به سراغ الگوریتمهای تکاملی میروند. یکی از مهمترین اجزاء هر الگوریتم تکاملی، تابع برازش آن میباشد که در واقع کل مسئله را به سمت بهینه شدن هدایت میکند. توابع برازش مورد استفاده در شبکههای حسگر بیسیم اکثرا دارای مشکلاتی نظیر عدم توجه به واحد پارامترها هنگام کنار هم قرار دادن آنها تحت یک رابطهی ریاضی و عدم توجه به وابستگی تاثیر تغییراتیک پارامتر به سایر پارامترها است. در اینمقاله به بررسی و رفع مشکلات توابع برازش خواهیم پرداخت.</strong>https://jscit.nit.ac.ir/article_67318_47fa5cb47fd56618cc2d207fa6f9e647.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320A Hierarchical Cluster-Based Fault Management Approach for Common Mode Failure Diagnosis in Wireless Sensor Networksیک الگوریتم مدیریت خرابی سلسله مراتبی مبتنی بر خوشهبندی برای شبکههای حسگر بیسیم718867320FAشهرام بابائیدانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، تهران،0000-0001-7830-2496احمد خادمزادهمرکز تحقیقات مخابرات ایران، تهران، ایرانکامبیز بدیعمرکز تحقیقات مخابرات ایران، تهران، ایرانJournal Article20180819Inasmuch as sensor nodes are typically used in inaccessible environments, they are vulnerable and insecure against environmental destructive factors and against deliberate devastating attempts of enemies. Hence, fault occurrence in wireless sensor networks (WSNs) is deemed to be an unavoidable phenomenon. The main drawback of comparative fault detection methods are that in case more than half of the neighboring nodes are faulty or the nodes become faulty due to a common mode failure (CMF), they will fail to detect faulty nodes properly. Thus, in order to address this issue, the authors introduced a cluster-based hierarchical fault detection method which increases the influence of non-adjacent sensor nodes’ data in determining of sensor’s status. Therefore the proposed method not only compares the data of neighboring nodes but also compares the data of non-neighboring nodes at an upper layer in order to adopt the proper decision upon the status of the nodes. Since applying fault detection methods in determined intervals and static manner are considered as inefficient, in this paper, we put forward an intelligent and dynamic method to determine the appropriate time for the implementation of the fault detection algorithm; hence, the right time and the required number of the implementation of the algorithm are intelligently and dynamically specified and as a result, the network lifetime increases. The related simulations were carried out by means of Matlab software was conducted under different densities of the nodes and with differing probability of being faulty nodes. The simulations results indicated that the fault detection accuracy of the proposed algorithm is significantly high and its false alarm rate is noticeably low. The results obviously demonstrate that the proposed method is scalable. بدلیل بکارگیری حسگرها در محیطهای دور از دسترس، عوامل مخرب محیطی و عملیات خرابکارانه دشمن، ایجاد هرگونه خرابی در شبکههای حسگر بیسیم امری اجتاب ناپذیر است. اغلب روشهای کشف خرابی مبتنی بر مقایسه محلی، در مواقعی که بیش از نصف گرههای همسایه معیوب باشند و علت خرابی گرههای شبکه مشترک باشد؛ قادر به شناسایی صحیح حسگرهای معیوب نخواهند بود. لذا در این مقاله یک رویکرد کشف خرابی سلسله مراتبی مبتنی بر خوشهبندی ارائه میشود که شرایطی فراهم میکند تا برای تعیین وضعیت حسگرهای شبکه به مقایسه داده هر حسگر با داده حسگرهای همسایه اکتفا نکرده و با بررسی داده حسگرهای غیر همسایه در لایه بالاتر، تصمیم درستی در مورد وضعیت حسگرها اتخاذ شود. همچنین بدلیل ناکارآمدی رویکردهای کشف خرابی ایستا، یک رویکرد هوشمند بمنظور تعیین زمان مناسب برای اجرای الگوریتم پیشنهادی ارائه میشود که بصورت پویا تعداد دفعات اجرای الگوریتم را کاهش و موجب افزایش طول عمر شبکه میشود. نتایج شبیهسازیهای انجام شده در نرمافزار متلب حاکی از دقت کشف خرابی بالا و نرخ اخطار نادرست پایین رویکرد پیشنهادی دارد. شبیهسازیها در چگالیهای مختلف و با احتمالهای مختلف خرابی و تعداد همسایههای مختلف مورد ارزیابی قرار گرفته و مقیاسپذیر بودن آن و توانایی آن در کشف خرابی اثبات میشود. https://jscit.nit.ac.ir/article_67320_4acc5276dda2d61d9099973ba1888787.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10061120120320Using Swarm Intelligence Approach in the Optimal Design of Fuzzy Rule-Based Classifier Systemsاستفاده از رویکرد هوش جمعی در طراحی بهینه سیستم های طبقه بندی مبتنی بر قواعد فازی8910067321FAحسین عسکریدانشکده مهندسی برق دانشگاه بیرجندسیدحمید ظهیریدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران0000-0002-1280-8133Journal Article20180819Fuzzy classifiers as a kind of fuzzy systems are powerful approaches in pattern recognition<br />tasks. These classifiers consist of various structural parameters, each of them have major effects<br />on the performance of fuzzy classifiers. Type and locations of membership functions, in addition<br />to fuzzy antecedents and consequents are most important of these structural parameters.<br />Usually, the major problem in design and implementation of fuzzy classifiers is optimum setting<br />up of these parameters, to reach the best performance. In this paper, a method is described for<br />estimation of optimum aforementioned fuzzy parameters in a fuzzy classifier. Extensive<br />experimental results are presented to show the effectiveness and powerfulness of the proposed<br />method. طبقهبندی کنندههای فازی به عنوان نمونهای از سیستمهای فازی، از کارامدترین روشهای طبقهبندی در علم بازشناسی الگو به شمار میروند. این طبقهبندی کنندهها از پارامترهای ساختاری متنوعی تشکیل شدهاند که هر یک از آنها به نوبه خود بر روی عملکرد آنها تأثیر به سزایی دارد. نوع و مکان توابع عضویت، و همچنین نوع قواعد فازی از نظر ترکیب مقدمها و مؤخرها از مهمترین این پارامترها به شمار میآیند. معمولاً چالش اصلی در طراحی و پیاده سازی چنین طبقهبندی کنندههایی انتخاب بهینه همین پارامترها به منظور دستیابی به بهترین عملکرد است. در این مقاله با بهکارگیری الگوریتم جستجوی گرانشی روشی به منظور بهینهسازی پارامترهای طبقهبندی کنندههای فازی، اعم از شکل و مکان توابع عضویت و همراه با آن استخراج قواعد فازی بهینه ارائه شده است. روش پیشنهادی در مواجهه با مجموعه دادههایی با بردارهای ویژگی که از نظر تعداد، ابعاد، و تداخل کلاسهای مرجع از پیچیدگی قابل قبولی برخوردارند، به محک آزمایش سپرده شده است. نتایج مقایسهای به دست آمده از این آزمایشات نشان میدهد که روش ارائه شده از عملکرد بهتری نسبت به سایر روشهای مشابه که مبتنی بر روشهای ژنتیک و بهینهسازی گروه ذرات میباشند، برخوردار است.https://jscit.nit.ac.ir/article_67321_c7ccd6821ef56ef9713dc52558424a8f.pdf