دانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10062120130321Competitive Optimization in Gaussian Frequency Selective Interference Channels Using Game Theoryبھینھ سازی رقابتی در کانال ھای تداخلی انتخابگر- فرکانسی گوسی با استفاده از نظریھ بازی ھا3967366FAعبد جبار حسنونددانشکده برق و کامپیوتر، دانشگاه بیرجندحمید فرخیدانشکده برق و کامپیوتر - گروه مخابرات
دانشگاه بیرجندJournal Article20180820The concept of cognitive radio such as sensing free frequency band and dynamic spectrum<br />access can achieve efficient use of the frequency band in future communication systems. One<br />of the important issues discussed in cognitive radio network is resource allocation. Given<br />the competitive character of the user, in this paper we model a cognitive radio network as a<br />non-cooperative game where secondary users compete intractably with each other in<br />frequency-selective channels, by maximizing their own information rates subject to the<br />total transmit power and peak transmit power in each frequency band. We express the<br />solution to the problem in Nash equilibrium form and investigate the existence and<br />uniqueness of the Nash equilibrium. Also, to achieve Nash equilibrium of the game, we use an<br />asynchronous distributed algorithm called smoothed asynchronous iterative water-filling<br />algorithm. This means that some users, among others, will have more opportunity to update<br />their own allocated powerمفهوم رادیو شناختگر با توجه به خصوصیاتی مانند، حس کردن باند فرکانسی خالی و دستیابی دینامیکی طیف فرکانسی می تواند به منظور استفاده<br />بهینه از باند فرکانسی در نسل های آینده سیستم های مخابراتی بسیار مفید باشد. یکی از موضوعهای مهم و مورد بحث در شبکه های رادیو شناختگر تخصیص<br />منابع است. با توجه به خصوصیت رقابتی بودن کاربرها، در این مقاله ما یک شبکه رادیو شناختگر را به صورت یک بازی بدون همکاری مدل میکنیم که در آن<br />کاربرهای ثانویه با توجه به محدودیتهای مجموع توان ارسالی و حداکثر توان ارسال در هر بازه فرکانسی به منظور بالا بردن نرخ ارسال خود به صورت خودسرانه و<br />بیان Nash بدون داشتن یک مرکز تصمیم گیرنده با دیگر کاربرهای ثانویه در کانال های انتخابگر - فرکانسی به رقابت میپردازد. ما پاسخ مسئله را در قالب تعادل<br />بازی از یک الگوریتم گسترده ناهمزمان که Nash را مورد بررسی قرار می دهیم. همچنین به منظور دستیابی به تعادل Nash می کنیم و وجود و یکتایی تعادل<br />الگوریتم واترفیلینگ تکرار شونده ناهمزمان هموار نامیده می شود استفاده خواهیم کرد. به این معنی که به بعضی از کاربرها اجاره داده خواهد شد بیشتر از<br />کاربرهای دیگر توان تخصیصی خود را به روز کنند.https://jscit.nit.ac.ir/article_67366_ff8bc280880a9e18b758751891c7716c.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10062120130321The central force multi-objective optimization algorithmالگوریتم بهینه سازی نیروی مرکزی چند هدفه101967367FAحامد نجف زادهدانشگاه بیرجند، دانشکده برق و کامپیوتر، بیرجندسیدحمید ظهیریدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران0000-0002-1280-8133Journal Article20180820In this paper a new method for Multi-Objective Optimization (MOO) has been proposed based on<br />Central Force Optimization algorithm.Thismethod has been called‘Multi-Objective Central Force<br />Optimization’ algorithm (MOCFO) . MOCFO utilizes the concept of ‘Pareto Optimality’to identify the<br />positions of non-dominated vectors and employs a repository to maintain the positions. The<br />performance of the MOCFO has been evaluated and compared with other optimization techniques<br />which utilize other heuristic algorithms (e.g. particle swarm optimization, and genetic algorithm). The<br />simulation results show that the performance of the proposed MOCFO is comparable to, sometimes<br />better than other MOO techniques.To ensure the true performance of the method presented when<br />opposed with Multi-Objective Optimization Problems, we evaluate it on standard test functions. The<br />final results exhibit the robustness and performance of the so-called method which spans new<br />opportunities of research for the researchers.در این مقاله روش جدیدی در بهینهسازی چندهدفه مبتنی بر الگوریتم بهینهسازی نیروی مرکزی به نام الگوریتم بهینه سازی نیروی<br />غیرچیره » برای شناسایی موقعیتهای « بهینگی پرتو » از مفهوم MOCFO ارائه میشود. روش (MOCFO) مرکزی چندهدفه<br />برای نگهداری این موقعیتها استفاده میکند. برای اطمینان از صحت عملکرد روش ارائه شده در « مخزن بیرونی » و از یک « شده<br />مواجه با مسائل بهینهسازی چندهدفه، آن را برروی توابع استاندارد معتبر مورد آزمایش قرار میدهیم. نتایج نهایی قدرت و عملکرد این<br />روش را نشان میدهد که بستر جدیدی از تحقیقات را فراروی محققین قرار داده استhttps://jscit.nit.ac.ir/article_67367_2c40a88e4256ccee54db5e5586f8413a.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10062120180820A Novel Method for Basic Probability Assignment in Evidence Theory with Application to Multiple MPCشیوه نو در تخصیص احتمال اساسی در تئوری شواهد با کاربرد در کنترل مدل پیش بین چندگانه203267369FAسارا میناگردانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابلرضا قادریدانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی تهرانابوالفضل رنجبر نوعیگروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابلJournal Article13970529Nowadays, Dempster-Shafer theory of evidence is widely used in data fusion. This theory is<br />a powerful tool for modelling, combination and inference of uncertain, imprecise and<br />incomplete information. The fundamental object of D-S theory is a primitive function called<br />Basic Probability Assignment (BPA), which should be determined based on characteristics of<br />the process. How to determine BPA, is still a matter of discussion.In this paper, a novel method<br />is proposed for basic probability assignment. In the proposed method, BPA is determined for each<br />point according to its distances from the cluster centres, by means of fuzzy membership<br />functions. The proposed method is used to determine the switch signal of a multiple MPC,<br />and simulation results show that it considerably reduces the undesired switching. Moreover, the<br />advantages of the roposed method when compared to one of the conventional methods would be<br />discussed.تئوری شواهد دمستر - شفر ابزار قدرتمندی برای مدلسازی، ترکیب و نتیجهگیری از دانستههای دارای عدم قطعیت، مبهم
و ناقص است که امروزه بطور گسترده در ترکیب اطلاعات مورد استفاده قرار گرفته است. یکی از ارکان این تئوری، تابع اولیهای به نام تخصیص احتمال اساسی<br />میباشد که باید بر اساس خصوصیات فرایند مورد بررسی تعیین شود. چگونگی تعیین این تابع هنوز مسئلهای مورد بحث است. در این مقاله شیوه جدیدی برای<br />تعیین تابع تخصیص احتمال اساسی پیشنهاد شده است. در این روش تابع تخصیص احتمال اساسی برای هر نقطه، با مقایسه فواصل آن نقطه از مراکز خوشهها<br />به کمک توابع عضویت فازی تعیین میشود.
روش پیشنهادی جهت تعیین سیگنال سوئیچ یک کنترل کننده مدل پیش بین چندگانه مورد استفاده قرار گرفته و به کمک شبیه سازی نشان داده شده است<br />که استفاده از روش پیشنهادی تعداد سوئیچینگهای ناخواسته تا حد زیادی کاهش مییابد. همچنین روش پیشنهادی با یکی از روشهای معمول پیشین مورد<br />مقایسه قرار گرفته و مزیت آن به کمک شبیه سازی نشان داده شده استhttps://jscit.nit.ac.ir/article_67369_1b53ec85030a352557487d703723d079.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10062120130321Automatic Extraction of Edge Topography in Medical Images Using Ant Colony Optimization Algorithm and Image Processing Techniquesاستخراج خودکار توپوگرافی لبه در تصاویر پزشکی به کمک الگوریتم بهینهسازی کلونی مورچه و تکنیکهای پردازش تصویر344167370FAخسرو رضائیدانشگاه حکیم سبزواری، دانشکده برق و کامپیوتر، گروه مهندسی پزشکی، سبزوار، ایرانجواد حدادنیامرکز تحقیقات فناوریهای نوین پزشکی، دانشگاه علوم پزشکی سبزوار، سبزوار، ایراناحمد دلبریانستیتو کارولینسکای استکهلم، مرکز مطالعات بالینی و تحقیقات پزشکی، استکهلم، سوئدJournal Article20180820Edge detection in image processing is one of the main techniques used in segmentation,<br />separation and detection of the special parts of the image. The presence of noise and<br />structural anomaly due to the weak local contrast of the medical images are of the reasons<br />that prevent the current operators from accurate detection of the edge in these images. In this<br />paper, the meta-heuristic colony algorithm has been used for edge detection in medical<br />images. Rapid convergence to obtain the optimal solution along with the parameters resistant<br />to initialization has increased the efficiency of the algorithm. In different parts of the image,<br />especially the part with pathological damage, the edge is assumed as ant’s food. Receiving<br />٢٢٠ medical images composed of ٩٠ retina images taken from diabetic patients, ٨٠ MRI<br />images as well as ٥٠ microscopic images taken from various medical databases and applying<br />system to them in contrast to such known operators as Canny and Sobel, an acceptable level<br />of accuracy ٩٤.٩٠%, sensitivity ٩٤.١٦% and specificity ٩٤% was separated in the target<br />area from the rest of image. The ٨٨.٧٩% Kappa coefficient indicates the high reliability<br />factor of system in terms of performance. The use of the current combination method for<br />processing of the images has increased the accuracy even in images with high brightness,<br />rendering the F-Measure significant. The accurate extraction of pathological parts from<br />medical images allows the specialist to determine the disease progression stage, and suggest<br />an appropriate treatment in accordance with the disease growth.آشکارسازی لبه در پردازش تصویر از تکنیکهای اساسی در بخشبندی، جداسازی و درک موقعیت بخشهای ویژه از تصویر است. وجود نویز و به هم<br />ریختگی ساختاری در اثر ضعیف بودن کنتراست محلی تصاویر پزشکی از اصلیترین دلایلی به شمار میروند که عملگرهای کنونی قادر نباشند به درستی لبه را<br />در اینگونه تصاویر آشکار سازند. در این مقاله از الگوریتم فرا اکتشافی کلونی برای یافتن لبه در تصاویر پزشکی استفاده شده که همگرایی سریع آن در دستیابی به<br />پاسخ بهینه و پارامترهای مقاوم آن در مقدار دهی اولیه سبب شده تا الگوریتمی کارآمد طراحی گردد. با گسیل مورچهها به سمت پیکسلهای تصویر و تکیه بر<br />مشخصههای لبه، ماتریس فرومون ساخته میشود که در بردارنده اطلاعات مربوط به بافت آسیب دیده است. در مرحله ارزیابی سیستم پیشنهادی، با دریافت 220<br />مغز و 50 تصویر میکروسکوپی از پایگاههای پزشکی گوناگون، در سطح قابل قبولی MRI تصویر پزشکی مرکب از 90 تصویر شبکیه چشم افراد دیابتی، 80 تصویر<br />88 % نشان / 94 % حاصل آمد. ضریب کاپای برابر با 79 / 94 % و ویژگی 00 / 94 %، حساسیت 16 / دقتی برابر با 90 ،Canny و Sobel و در مقایسه با عملگرهای چون دهنده ضریب اطمینان بالای سیستم در عملکرد است. بکارگیری روش ترکیبی کنونی در پردازش تصاویر سبب شده حتی در تصاویر با شدت نویز بالا، دقت تا<br />حد چشمگیری افزایش یابد و میانگین متوازن دقت و حساسیت معنادار باشد. استخراج دقیق بخش پاتولوژیک تصاویر پزشکی، پزشک متخصص را قادر میسازد<br />تا مرحله پیشرفت بیماری احتمالی را تعیین کند و نحوه درمان متناسب با رشد بیماری را پیشنهاد دهد.https://jscit.nit.ac.ir/article_67370_fb8b09fec35516c7983ddbb195efe088.pdf