کاربرد محاسبات نرم مهندسی فناوری اطلاعات، کامپیوتر و علوم مرتبط - اولین همایش ملی محاسبات نرم علوم مهندسی در صنعت و جامعه

۵۱۷۰۶

مروری بر امنیت در اینترنت اشیاء

۱۹ اسفند ۱۴۰۰

چکیده هدف از ایجاد و گسترش فناوری اینترنت اشیاء، توانمندسازی اشیاء برای اتصال به شیء دیگر است. برای پیاده سازی چنین هدفی چالش های بسیاری وجود دارد که یکی از مهمترین آنها چالش های امنیتی است. در اینترنت اشیاء، هر دستگاه متصل می تواند یک درگاه احتمالی به زیرساخت اینترنت اشیاء و یا داده های شخصی باشد. نگرانی های امنیت و حریم خصوصی داده بسیار مهم هستند، اما با ورود پیچیدگی، نقاط ضعف امنیتی و آسیب پذیری های احتمالی در مواردی مانند تصمیم گیری های خودگردان، خطرات احتمالی مربوط به اینترنت اشیاء سطح جدیدی به خود گرفته اند. در این مقاله، به بررسی اینترنت اشیا، مزایا و چالش های پیش روی آن و معرفی برخی راه ها برای این چالش امنیت پرداخته شده است. واژه های کلیدی اینترنت اشیا، امنیت، حریم خصوصی، بلاکچین.

ادامه مطلب

۵۹۴۱۸

مروری بر راهکارهای یادگیری عمیق برای تشخیص ناهنجاری داده

۱۹ اسفند ۱۴۰۰

چکیده تشخیص ناهنجاری که با نام تشخیص نقاط پرت نیز شناخته می‌شود، یک مسئله مهم است که از دیرباز موردتوجه خاص محققین قرار گرفته است و تاکنون یک حوزه تحقیقاتی فعال و ماندگار در جوامع تحقیقاتی مختلف برای چندین دهه بوده است. ناهنجاری‌ها می‌توانند ناشی از خطا در داده باشند، اما گاهی اوقات نشان‌دهنده یک فرایند جدید، ناشناخته و اساسی هستند؛ بنابراین هنوز پیچیدگی و چالش‌های منحصربه‌فردی وجود دارد که نیازمند رویکردهای پیشرفته است. هدف از ارائه این مقاله مروری جامع بر روش‌های تشخیص ناهنجاری مبتنی بر یادگیری عمیق است که تکنیک‌های تحقیقاتی تشخیص ناهنجاری را بر اساس مفروضات اساسی و رویکرد اتخاذ شده در دسته‌های مختلف گروه‌بندی کرده است. در هر دسته، تکنیک اصلی تشخیص ناهنجاری همراه با انواع آن، فرضیات کلیدی، نقاط قوت و ضعف نسبی ارائه شده است و در نهایت چالش‌های تحقیقاتی حل نشده در حین استفاده از تکنیک‌های تشخیص ناهنجاری در مدل‌های یادگیری عمیق برجسته خواهند شد. واژه‌های کلیدی تشخیص ناهنجاری، یادگیری عمیق، نقاط پرت

ادامه مطلب

۷۹۷۱۴

ارائه یک روش جدید مبتنی بر شبکه عصبی برای تشخیص فنولوژی گیاه گندم با استفاده از داده های سنتینل ۲

۱۹ اسفند ۱۴۰۰

خلاصه مقاله: در این مقاله قابلیت امکان تشخیص مراحل اصلی رشد گیاه گندم با استفاده از داده های سنتیل ۲ در مناطق دزفول ، شهید کریمی و عجیرب بررسی شده است. در این تحقیق از نحوه تغییر شاخص نرمال شده تفاوت پوشش گیاهی(NDVI) در زمان رخداد فاز های اصلی گیاه برای تشخیص مرحله رشد استفاده شده است.با توجه به برچسب های منتسب به هر فاز، در این پژوهش ، پنج فاز شامل سبز شدن، پنجه زنی ، آبستنی، توسعه دانه و رسیدگی در نظر گرفته شده است. در ابتدا با توجه به موجود نبودن این شاخص برای برخی زمینها در زمانهای ابری، درونیابی انجام شده است. سپس جهت از بین بردن تغییرات شدید نامطلوب که می تواند عملیات تشخیص را کمی دچار مشکل کند هموارسازی سیگنال انجام میشود. در ادامه با استفاده از یادگیری ماشین، زمان های وقوع فازهای اصلی رشد گیاه با توجه به نمودار هموار شده تخمین زده می شود. جهت ارزیابی روش از معیار ریشه میانگین مربعات خطا (RMSE) به ازا هر فاز استفاده شده است. با توجه به مشاهدات انجام شده مقدار این خطا برای فازهای اول ، دوم، سوم، چهارم و پنجم به ترتیب ۲۴/۳، ۸۲/۲، ۱/۳، ۶۵/۲ و ۱/۳ روز است.

ادامه مطلب

۲۶۹۸۲

آموزش ماشین یادگیرنده برای تحلیل داده های توزیع شده بر اساس تبدیلات موجکی و داده کاوی تجمعی

۱۹ اسفند ۱۴۰۰

چکیده تحلیل انواع داده های توزیع شده غالبا متضمن تجمیع آنهاست. در اغلب اوقات اینکار بدلایل مختلف امکان پذیر نمی نماید و ضرورت وجود روشهای جایگزین برای تجمع نتایج تحلیل بجای تجمیع اصل داده ها اجتناب ناپذیر است. این مقاله روشی را جهت تحلیل محلی داده ها و تجمیع نتایج آنها داده ها بدون نیاز به تجمیع اصل آنهاست. اینکار با استفاده از برآورد تابعی برای یادگیری ماشین جهت تحلیل های محلی و تجمیع مرکزی آنها با استفاده از تبدیلات موجکی و داده کاوی تجمعی بصورت بلادرنگ ارئه می نماید.. در این روش، سامانه های یادگیرنده و تحلیل گر خودمختار برای برآوردهای اطلاعاتی معرفی و توصیف میگردند واژه های کلیدی داده کاوی، داده های توزیع شده –داده کاوی تجمعی- ماشین های یادگیرنده .

ادامه مطلب

۶۴۷۵۰

تشخیص ندول های ریه از تصاویر CT با استفاده از الگوریتم YOLOv۳

۱۹ اسفند ۱۴۰۰

خلاصه مقاله: استفاده از رویکرد های مبتنی بر یادگیری عمیق به طور گسترده ای در تشخیص ندول های ریوی از اسکن های توموگرافی کامپیوتری (CT) رایج شده است. تشخیص زود هنگام ندول ها در ریه کمک بزرگی به درمان آن در مراحل ابتدایی بیماری است. در این مقاله در ابتدا پس از قطعه بندی از یک الگوریتم رایج تشخیص اشیا به نام YOLO نسخه سوم برای حل این مشکل استفاده شده است. این روش با دو ویژگی متمایز مشخص می شود: الف) یک استخراج کننده ویژگی چند مقیاسی خودکار برای غربالگری ویژگی ندول و ب) یک تولید کننده جعبه مرزی مبتنی بر ویژگی برای تعیین مکان و تخمین اندازه ندول. این شبکه بر روی تصاویر ImageNetآموزش داده شده است و در کاربرد های دیگر میتوان آنرا دوباره آموزش داد. در این پژوهش، جهت ارزیابی از مجموعه داده Lung-Pet-CT-DX استفاده شده است. نتایج تجربی نشان می دهد که این الگوریتم در تشخیص ندول در این پایگاه داده از دقت مطلوبی برخوردار است.

ادامه مطلب

۸۰۰۳۷

بازمهندسی فرآیند مدیریت تغییرات نرم افزار مطالعه موردی در یک شرکت تولید کننده نرم افزارهای بانکی

۱۹ اسفند ۱۴۰۰

خلاصه مقاله امروزه مهندسی مجدد فرآیندهای کسب و کار ، به عنوان یک ابزار مدیریتی محبوب برای مقابله با تغییرات بسیار سریع تکنولوژی و بازاریابی در بازارهای رقابتی مطرح شده است و از دریچه کاملاً جدیدی به سازمان های دولتی و خصوصی می نگرد. در این مقاله فرآیند مدیریت تغییرات نرم افزار در یک شرکت فراهم کننده نرم افزارهای بانکی مورد مطالعه قرار گرفته است. در روند مهندسی مجدد فرآیند مذکور، ابتدا وضعیت جاری(As–Is) فرآیند بررسی شد و مراحل و مشکلات فرآیند مشخص گردید. سپس با توجه به مشکلات مشاهده شده فاکتورهای موفقیت فرآیند (CSF) شامل زمان، هزینه ، کیفیت و چندین شاخص کلیدی برای اندازه گیری آنها (KPI) در نظر گرفته شد. همچنین مدلسازی فرآیند جاری با استفاده از زبان مدلسازیBPMN و به کارگیری نرم افزار Bizagi Modeler انجام شد . در مرحله بعدی، ضمن مطالعه به روش های بهبود فرآیند ، از شش به روش کنترل اضافی، استفاده از افراد متخصص، موازی سازی، تفویض اختیار، حذف مراحل زائد و تکنولوژی جهت بهبود فرآیند استفاده شد و در پایان پس از اعمال به روش های انتخابی، تاثیربکارگیری آن ها بر KPI ها مورد ارزیابی قرارگرفت و در نهایت فرآیند مطلوب (To–Be) مدل سازی شد. واژه‌های کلیدی به روش ها، زبان مدلسازیBPMN، مهندسی مجدد فرآیندهای کسب و کار

ادامه مطلب

۳۸۱۸۳

بررسی نقش فناوری بلاکچین در اینترنت اشیا و چالش های موجود

۱۹ اسفند ۱۴۰۰

چکیده فناوری بلاکچین یک پایگاه داده توزیع شده و مبتنی بر اجماع است که به صورت مستمر فهرستی از رکوردها را که هرکدام به گزینه‌های قبلی فهرست ارجاع می‌دهند حفظ می‌کند و بدین وسیله در مقابله با تضعیف یا بازنگری غیرمجاز تقویت می‌شود. در سال¬های اخیر، این فناوری توجه علمی چشمگیری در سطوح تحقیقی در کنار بخش مالی به خود اختصاص داده است. اینترنت اشیا صنعت فعلی را به صنعت هوشمند با ویژگی تصمیم¬گیری داده محور تغییر شکل می¬دهد. با این حال، ویژگی¬های ذاتی اینترنت اشیا منجر به چالش¬های متعددی مانند تمرکززدایی، قابلیت همکاری ضعیف، حریم خصوصی و اسیب پذیری-های امنیتی می¬شود. فناوری بلاکچین فرصت¬هایی را برای پرداختن به چالش¬های اینترنت اشیا به ارمغان می¬اورد. در این زمینه، بلاکچین به عنوان حلقه¬ی مفقود ساخت یک محیط غیر متمرکز و قابل اعتماد برای اینترنت اشیا است و در این بررسی، هدف ما شکل گیری یک تصویر جامع و منسجم از تلاش¬های تکنولوژی جدید حاضر در این مسیر می-باشد. استفاده از بلاکچین در حوزه اینترنت اشیا می¬تواند مزیت¬های فراوانی در اختیار انسان قرار دهد. در این مقاله بررسی خود را در مورد چالش¬های طراحی شده توسط مدل¬های اینترنت اشیا متمرکز جاری می¬سازیم و با پیشرفت¬های اخیر در صنعت و تحقیق برای حل این چالش¬ها و کاربرد بلاکچین¬ها برای ارائه یک واسطه¬ی مطمئن، غیر متمرکز برای اینترنت اشیاتشریح خواهیم کرد . واژه‌های کلیدی: بلاکچین، اینترنت اشیا، امنیت سایبری

ادامه مطلب

۵۲۸۱۹

نگرشی خلاقانه بر الگوریتم های داده کاوی و ماشین لرنینگ مبتنی بر داده کاوی مبتنی بر اینترنت اشیا

۱۹ اسفند ۱۴۰۰

چکیده با توجه به رشد سریع امکانات و فناوری‌ها در بخش سلامت، مدل داده کاوی مبتنی بر اینترنت اشیاء ارتباط بین ماشین‌ها را تقویت می‌کند که استفاده از نظارت از راه دور را در سیستم سلامت فراهم می‌کند در این تحقیق، هدف ایجاد و پیشنهاد نوین یک روش داده کاوی و یک سیستم پزشکی برای ارائه خدمات پزشکی با سرعت بالا و دقت بیشتر در داده کاوی مبتنی بر اینترنت اشیا برای دستیابی به هدف است برنامه‌های داده کاوی مبتنی بر اینترنت اشیا را قادر می‌سازد. با استفاده از جداسازی شاخص داده های قطعی و سیستم سلامت، به روزرسانی موقعیت جاری آنها را بهبود داده است. در مورد داده های توزیع شده صریح و توزیعی EFD (Explore Fixed Data) با پیاده سازی الگوریتم های مدل داده BAYESSTORE و مقایسه آن با دیگر الگوریتم های مشابه، به طور مستقیم معانی جاری حوزه داده های سیستم سلامت را تحلیل می نماییم. این مهم در حالی است که ساختارهای سیستم سلامت آن ها و همبستگی را در داده ها به عنوان اشیاء، به وسیله برنامه های کاربردی جستجو می شود با استفاده از ابزار های سی شارپ پایتون و کتابخانه GRADIO به طور موثر می توانند مدل سازی و دستکاری شوند، قرار می دهد. واژه های کلیدی داده کاوی، ماشین لرنینگ، الگوریتم، داده کاوی مبتنی بر اینترنت اشیا، سیستم سلامت..

ادامه مطلب

۴۷۱۰۵

برآورد تابع رگرسیون نیمه پارامتری با خطاهای همبسته بر اساس موجک انقباضی برای کاربردهای یادگیری نیمه نظارت شده

۱۹ اسفند ۱۴۰۰

چکیده. آنالیز موجکی یکی از ابزارهای کارامد در بسیاری از مباحث مهندسی است و علیرغم عمر کوتاه خود در حوزه های مختلف رشد گسترس یافته است. در این مقاله، ضمن معرفی تبدیل موجک، تابع رگرسیون نیمه پارامتری زمانی که داده ها به عنوان اطلاعات بدست آمده از یک سیگنال و همراه با خطاهای گوسین همبسته می باشند به روش موجک انقباظی برآورد می شود. سپس نرخ همگرایی برآوردگر در قالب چند لم و قضیه تعیین می شود. توابع رگرسیونی نیمه پارامتری نقش مهمی در تشخیص های نیمه نظارت شده دارد. در بخش آخر مطالب تئوری بدست آمده با استفاده از شبیه سازی مورد بررسی قرار می گیرد و متوسط میانگین مربعات خطای برآوردگر پیشنهادی با برآوردگر هسته ای مقایسه می شود. در پایان عملکرد برآوردگر پیشنهادی را در قالب یک مثال کاربردی مرتبط با میزان رشد دندان با توجه به مقدار ویتامین Cدریافتی مورد بررسی قرار می گیرد. موجک انقباضی، رگرسیون نیمه پارامتری، توزیع گوسین، نرخ همگرایی، یادگیری نیمه نظارت شده

ادامه مطلب

۸۶۱۶۳

ارائه یک روش مبتنی بر یادگیری عمیق برای تشخیص سرطان پستان

۱۹ اسفند ۱۴۰۰

چکیده شاخه یادگیری ماشین زمینه بسیار موثری برای تشخیص و درمان بیماری¬ها می¬باشد. تحقیقات گسترده¬ای در حوزه یادگیری عمیق که زیر مجموعه¬ای از روش¬های یادگیری ماشین می¬باشد بروی سرطان پستان در حال انجام است و توانسته موفقیت های شگرفی در حوزه تشخیص و درمان بیماری بدست آورد. در این مقاله یک مدل دسته بند مبتنی بر یادگیری عمیق بروی تصاویر ماموگرافی ارائه شده است. مدل پیشنهادی مبتنی بر شبکه¬های کانولوشنی عمیق است که با بررسی معروف¬ترین شبکه¬های موجود، بهترین از نظر دقت تشخیص برای سرطان پستان انتخاب شده است. در این مدل با روش¬های پردازش تصویر نویزهای تصویر از بین برده شده و با اعمال فیلتر Releif بروی ویژگی¬های استخراج شده، بهینه¬ترین ویژگی¬ها انتخاب شده و برای طبقه¬بندی به دست¬بند ارسال خواهد شد. نتایج پیاده¬سازی نشان می¬هد ترکیب شبکه ResNet۵۰ با دسته¬بند SVM منجر به دقت ۹۵.۷ شده است که نسبت به روش¬های مشابه از کارآیی بالاتری برخوردار می¬باشد. واژه های کلیدی یادگیری ماشین،شبکه کانولوشنی عمیق، سرطان پستان،ماموگرافی،فیلتر Releif

ادامه مطلب

(گروه اول) روئسای نشست (دکتر سید حسین سیادت، دکتر احسان اسلامی)
ردیف	کد مقاله	ارایه دهنده	نوع پذیرش	ویدیو
1	80037	سید حسین سیادت	پذیرش به صورت سخنرانی
2	64750	خدیجه آقاجانی	پذیرش به صورت سخنرانی
3	26982	حیدر مختاری فریور	پذیرش به صورت سخنرانی
4	79714	خدیجه آقاجانی	پذیرش به صورت سخنرانی
5	59418	احسان اسلامی	پذیرش به صورت سخنرانی
6	51706	شکوفه خوش نظر	پذیرش به صورت سخنرانی

(گروه دوم) روئسای نشست (دکتر خدیجه آقایی، دکتر سلمان آسوده)
1	45076	احسان اسلامی	پذیرش به صورت سخنرانی
2	34560	خدیجه آقاجانی	پذیرش به صورت سخنرانی
3	86163	سلمان آسوده	پذیرش به صورت سخنرانی
4	47105	حیدر مختاری فریور	پذیرش به صورت سخنرانی
5	52819	دانیال رمضانی	پذیرش به صورت سخنرانی
6	38183	عبدالشکور تمندانی	پذیرش به صورت سخنرانی