دانشگاه کاشانمحاسبات نرم2322-37073220210523Joint Optimization of Structure and Parameters of Neural Networks Using Hybrid Gravitational Search Algorithms in Classification and Function Approximation Tasksتنظیم بهینه و همزمان ساختار و پارامترهای شبکه عصبی با استفاده از الگوریتم آمیختار مبتنی بر جستجوی گرانشی برای کاربردهای دستهبندی و تقریب توابع219111382FAمنصورشیخاندانشگاه آزاد اسلامیمهدیعباس نژاد عربیدانشگاه آزاد اسلامیJournal Article20210523Determining the
optimum number of nodes, number of hidden layers, and synaptic connection
weights in an artificial neural network (ANN) plays an important role in the
performance of this soft computing model. Several methods have been proposed
for weights update (training) and structure selection of the ANNs. For example,
the error back-propagation (EBP) is a traditional method for weights update of
multi-layer networks. In this study, gravitational search algorithm (GSA), as a
modern swarm intelligence optimization method, is used for this purpose. In
this way, GSA and its binary version (BGSA) are used concurrently, as a hybrid
method, to optimize the weights and number of hidden-layer nodes of an ANN,
respectively. The performance of proposed method is compared with other
intelligent and traditional methods such as particle swarm optimization (PSO),
PSO-BPSO hybrid, and EBP in classification and function approximation tasks.
The performance is evaluated over Iris, Breast Cancer, and Glass datasets for
classification. For function approximation task, the performance is evaluated
for a prosody predictor that is used for natural speech synthesis. To reduce
the number of inputs to prosody predictor, a hybrid of an genetic algorithm and
ant colony optimization algorithm is used for feature selection. Simulation results show that the proposed
method can offer competitive classification and prediction accuracies while
using a reduced number of hidden neurons (25-68 percent reduction) as compared to
other investigated algorithms. چکیده: کارایی بهتر شبکه عصبی به پارامترهایی همچون تعداد گره های ورودی،
تعداد لایه های میانی، تعداد نرون ها، و وزن اختصاص یافته به نرون ها بستگی دارد.
روش های متفاوتی جهت به روزرسانی پارامترها و ساختار شبکه عصبی مصنوعی ارائه
گردیده است. یکی از روش های متداول و مورد استفاده در شبکههای عصبی، روش پس انتشار
خطا (EBP) است که در آن
تنها وزن های شبکه عصبی به روزرسانی میشوند. در این مقاله، از الگوریتم جستجوی
گرانشی (GSA) بدین منظور استفاده شده است، که یکی از روش های نوین جستجو و بهینه سازی
مبتنی بر هوش جمعی میباشد. در روش پیشنهادی، از GSA به همراه نسخه باینری الگوریتم جستجوی گرانشی (BGSA) به صورت همزمان،
جهت آموزش شبکه عصبی و نیز تعیین ساختار بهینه شبکه عصبی استفاده شده است. نتایج عملکرد
روش پیشنهادی با روش هایی چون الگوریتم تجمع ذرات (PSO)، الگوریتم آمیختار PSO و نسخه باینری PSO (PSO-BPSO) و نیز روش EBP در کاربردهای دستهبندی و تقریب توابع مقایسه شده است. عملکرد
برای کاربرد دستهبندی بر روی سه دادگان استاندارد گل زنبق، سرطان سینه و انواع
شیشه و برای کاربرد تقریب توابع، درخصوص یک سیستم تخمین نوا برای سنتز گفتار فارسی
مورد ارزیابی قرار گرفته است. از آنجا که تعداد ورودی ها به شبکه عصبی در کاربرد
سیستم تخمین نوا زیاد است، از یک الگوریتم آمیختار تکاملی و هوش جمعی نیز برای
انتخاب ویژگیهای مناسب بهره گرفته شده است. نتایج شبیه سازی نشان میدهد که روش
پیشنهادی با بهکارگیری تعداد نرون های کمتر در لایه مخفی (بهمیزان 25 تا 68 درصد
کاهش در تعداد این نرون ها در مقایسه با بسیاری از الگوریتم های مورد بررسی)، دقت
دستهبندی و تقریب را بهصورت قابل رقابتی (به ویژه هنگام کار با داده های آزمون)
از خود ارائه می نماید. https://scj.kashanu.ac.ir/article_111382_8f3e9693678e44800b2ce6dea75ebb0d.pdfدانشگاه کاشانمحاسبات نرم2322-37073220210523Performance Comparison of HSA, ICA and PSO Algorithms for Selective Harmonic Elimination in Cascaded Multilevel Inverter with Variable DC Sourcesمقایسه عملکرد الگوریتمهای HSA،ICA و PSO بهمنظور حذف انتخابی هارمونیکها در اینورتر چندسطحی آبشاری با وجود منابع DC متغیر2030111383FAحمید رضامحمدیدانشگاه کاشانعلیاخواندانشگاه کاشانJournal Article20210523In this paper, a new approach for selective harmonic elimination (SHE) in a cascaded multilevel inverter is proposed. The switching angles are determined with the assumption of varying input DC sources and at this condition the fundamental component is remained adjusted and undesired harmonic components are eliminated. The on-line switching angles determination is done by an Artificial Neural Network (ANN). The training data set for ANN are produced by application of heuristic algorithms to solve the SHE problem. In this paper, various algorithms such as harmony search algorithm, imperialist competitive algorithm and particle swarm optimization are applied to obtain the switching angles and by comparing the results of these methods, the better one is used for ANN training.در این مقاله، یک روش جدید برای حذف انتخابی هارمونیکها در اینورتر آبشاری ارائه گردیده است. تعیین زوایای سوئیچینگ با فرض تغییرات منابع DC صورت گرفته بنحویکه مولفه اصلی ولتاژ خروجی ثابت باقی مانده و همچنین هارمونیکهای نامطلوب کاهش مییابند. برای دستیابی به این هدف از یک شبکه عصبی مصنوعی برای تعیین زوایای سوئیچینگ به صورت بلادرنگ استفاده میشود. در واقع به ازای مقادیر ورودی DC مختلف، ابتدا زوایای سوئیچینگ توسط الگوریتمهای تکاملی محاسبه شده و سپس از این اطلاعات به منظور آموزش شبکه عصبی استفاده میشود. در این مقاله برای دستیابی به بهترین زوایای سوئیچینگ، از الگوریتمهای تکاملی مختلف از جمله الگوریتم جستجوی هارمونی، الگوریتم رقابت استعماری و بهینهسازی ازدحام ذرات استفاده گردیده و در نهایت، با مقایسه نتایج بدست آمده از این الگوریتمها، از روش مناسبتر جهت آموزش شبکه عصبی استفاده شده است.https://scj.kashanu.ac.ir/article_111383_ab1a8634e0a9ec14002af06ebb62e488.pdfدانشگاه کاشانمحاسبات نرم2322-37073220210523An improvement on expert finding systems by Vector Space model and Query Expansion technicبهبودی در سیستم های پیشنهادگر خبره با استفاده از بسط پرسش و مدل فضای برداری3141111384FAاحسانپرنورجلالرضایی نورJournal Article20210523Due to enormous volume of information available on the Web, finding appropriate knowledge in a short time seems difficult. Knowledge Recommender systems, Online Forums and Question Answering (QA) systems were created to facilitate finding suitable information. QA systems use knowledge repositories to retrieve brief responses to users’ queries. Expert Finding system, not only causes knowledge transition from responder to requester, but also it improves requester’s experience and thoughts about the subject. These systems use textual analysis, historical activities analysis, social relation analysis and combination of these approaches to find experts. In this paper, we used resume data of university professors to develop a new model which outperforms conventional methods by using Vector Space Model and Query Expansion Technique.با توجه به افزایش میزان حجم داده های موجود روی وب، یافتن دانش مورد نیاز از میان حجم انبوه داده ها امری بسیار مشکل می باشد. سیستم های پیشنهادگر دانش، فروم های آنلاین و سیستمهای پاسخ به پرسش جهت آسان کردن راه دسترسی به دانش مورد نیاز و پاسخگویی به نیاز اطلاعاتی کاربران بوجود آمده اند. سیستمهای پاسخ به سوال با ایده ی پاسخ دهی کوتاه و مفید با استفاده از مخازن دانشی ثبت شده، دسترسی به دانش مورد نیاز را بهبود داده اند. اما با توجه به ماهیت دانش، انتقال آن مشکل تر از انتقال اطلاعات است. سیستم های پیشنهادگر خبره با پیشنهاد افراد متخصص علاوه بر انتقال اطلاعات، باعث انتقال تجارب و درک در مورد موضوع می شوند. این سیستم ها از تحلیل محتوایی پروفایل متنی و سوابق متخصصین، تحلیل ارتباطات متخصصین و ترکیب این دو روش برای یافتن متخصصین استفاده می کنند. ما در این مقاله از داده های رزومه متخصصین استفاده کرده و با استفاده از مدل فضای برداری و استفاده از تکنیک بسط پرسش، مدلی جدید برای خبره یابی ارائه کرده ایم که با تحلیل محتوایی اسناد، خبره های دارای تخصص لازم را پیشنهاد می کند. نتایج شبیه سازی ها بیانگر این موضوع است که مدل ارائه شده دقت بالاتری نسبت به مدل فضای برداری دارد.https://scj.kashanu.ac.ir/article_111384_7b036663567550cae0e355b4d5bf3e11.pdfدانشگاه کاشانمحاسبات نرم2322-37073220210523An innovative approach in order for discrimination of cancer and non-cancer DNA sequences by LPC and SVD based Algorithmsروشی جدید برای تفکیک و طبقهبندی توالیهای سرطانی و غیرسرطانی DNA با استفاده از الگوریتمهای مبتنی بر LPC و SVD4253111385FAامینخدائیبهزادمظفری تازه کندJournal Article20210523The growing pace of cancer has encouraged researchers to deliberate several aspects of this malignant disease. Genetic-induced nature of cancer, heighten the importance of studying intra-cell components. This paper has been carried out with the aim of making some specific and unique features clear from those long DNA sequences by employing well-established DNA sequence analysis techniques. The identical part of human body DNA sequences have been used to simulate proposing algorithm. Z-Curve mapping method has been utilized in order to conversion of DNA alphabetic strings to digital signals. This method has made use of Linear Predictive Coding (LPC) model to analyze resultant data for feature extraction. In addition, this paper is beneficiary of a certain singular value decomposition (SVD) computational approaches to select significant features for dimension reduction. Finally, statistical parameters discriminate cancerous samples from non-cancerous ones. This discrimination represents the biological mutation concept which expresses the genetic changes of cancer disease.سرطان یکی از بیماریهایی است که روند رو به افزایش ابتلا به آن، محققان را به مطالعه ابعاد مختلف آن ترغیب میکند. منشا ژنتیکی سرطان، لزوم بررسی اجزای ژنی درونی سلول را نشان میدهد. در این مقاله سعی شده است تا با بهرهگیری از تکنیکهای تحلیل توالیهای DNA موجود، برخی مولفهها و ویژگیهای خاص ژنتیکی منحصر به فرد از توالیهای بزرگ DNA استخراج و آشکار شوند. شبیهسازی الگوریتم پیشنهادی روی توالیهای عضو خاصی از بدن انسان که از یک بانک اطلاعاتی معتبر تهیه شده است، انجام گرفته است. در الگوریتم ارائه شده از روش نگاشت منحنی Z برای تبدیل رشتههای DNA به سیگنال بهره گرفته شده است. روش پیشنهادی ارائه شده برای تحلیل سیگنالهای توالیهای DNA به منظور استخراج ویژگی، مبتنی بر الگوریتم پیشگوی خطی (LPC) است که از تکنیکهای محاسباتی ماتریس کواریانس و تجزیه مقدار منفرد (SVD) به منظور انتخاب ویژگی و کاهش ابعاد بهره میگیرد. با مقایسه برخی پارامترهای آماری، تفکیک و تمایز خوبی بین نمونههای سرطانی و غیرسرطانی مشاهده میشود که قابل طبقهبندی است. این سطح تمایز بیانگر مفهوم جهش بیولوژیکی و تغییرات ژنتیکی بیماری سرطان است.https://scj.kashanu.ac.ir/article_111385_7b16ddadee41eca77898722e21df970a.pdfدانشگاه کاشانمحاسبات نرم2322-37073220210523River Formation Dynamics based routing in Wireless Sensor Networkدرخت تجمیع داده براساس الگوریتم پویای شکل گیری رودخانه درشبکه حسگر بی سیم5467111386FAسعیدمهرجودانشگاه آزاد داریونفرشادخون جوشدانشگاه شیرازJournal Article20210523One of the main challenges in Wireless Sensor Networks is the limited energy of nodes which can cause to reduce the lifetime of nodes and whole network respectively. Transmissions between the nodes consumes most of the nodes' energy so minimization of unnecessary transmissions can led to reduction of energy consumption. Therefor routing protocols designed based on optimal energy consumption are necessary.
When the sensor nodes are deployed densely, data sensed by the nodes may, to some extent, be the same or similar and so are unnecessary. Energy dissipation and high traffic are costs that must be paid for transmission of repeated data from the source nodes to the base station. In order to solve these issues and optimize the energy consumption in communication, information gathering is considered as an effective technique. Redundancy in the raw data can be deleted in the relay nodes. The only useful information is retrieved and sent to the base station. Therefore, the number of data packets received at the base station, will be reduced, and thus save energy consumption and bandwidth.
Optimal gathering of data can be determined in term of total energy consumed to transfer data from nodes to the base station. Conventional routing protocols which use data collection techniques, can be divided into two categories based on network architecture: tree protocol and clustering protocols. In this study, we focus on the second type of network architecture, the tree protocol. In these protocols, sensor nodes are organized in a tree and aggregation is done at intermediate nodes in the junction tree branches. Gathered data packets are then transmitted to the root which is the base station. Tree protocols that are suitable for applications dealing with the aggregation of data within the network. One of the main characteristics of tree protocols is optimizing the data aggregation tree structure based on energy consumption which we do this benefiting a swarm intelligence algorithm called River Formation Dynamics. Simulation results show that our proposed algorithm will give better results in terms of network lifetime compared with ant colony algorithm.از اساسیترین چالشهای موجود در شبکه حسگر بیسیم مسئله انرژی محدود گرهها میباشد. انتقالات بین گرهها بیشترین مصرفی انرژی درون گرهها را شامل میشود لذا به حداقل رساندن انتقالات غیر ضروری باعث به حداقل رساندن مصرف انرژی خواهد شد. افزونگی در داده های خام می تواند در نقاط تجمیع حذف گردد و تنها اطلاعات کاربردی بازیابی و به ایستگاه اصلی ارسال شوند. به منظور حل این موارد و بهینه سازی مصرف انرژی در ارتباطات، جمع آوری اطلاعات به عنوان یک تکنیک موثر درنظر گرفته می شود. در این مقاله گرههای حسگر در یک درخت سازماندهی میشوند و جمع آوری داده ها در گرههای میانی و در محل اتصال شاخه های درخت انجام می گیرد. بسته های داده جمع آوری شده بعداً به گره ریشه که همان ایستگاه اصلی است، فرستاده می شوند. یکی از خصوصیات اصلی پروتکلهای درختی، بهینه سازی ساختار درخت تجمیعی داده از نظر مصرف انرژی است که ما این کار را با استفاده از یک الگوریتم هوش جمعی به نام الگوریتم شکل گیری پویای رودخانه انجام خواهیم داد. نتایج شبیه سازیها حاکی از آن است که الگوریتم پیشنهادی ما در مقایسه با الگوریتم مورچگان نتایج بهتری را از نظر طول عمر شبکه ارائه خواهد داد.https://scj.kashanu.ac.ir/article_111386_72473477aeb799049e286cffaedf64ca.pdfدانشگاه کاشانمحاسبات نرم2322-37073220210523A New Method for Detecting Lesion Border in Ultrasonic Images of Breast: Modified Adaptive Anisotropic Diffusionروشی جدید به منظور تعیین مرز ضایعات در تصاویر فراصوت از بافت پستان: اصلاح وفقی ضریب انتشار ناهمسانگرد6878111387FAسید وهابشجاع الدینیسازمان پژوهش های علمی و صنعتی ایرانرسولکسب گر حقیقیدانشگاه آزاد اسلامی واحد قزوینJournal Article20210523Accurate segmentation plays a vital role in automated analysis of ultrasonic images. A new method based on adaptive anisotropic diffusion is introduced here for lesion detection in ultrasonic images of the breast. In this method, a hypothesis testing framework is defined first to separate lesions from healthy breast tissue. Then the boundary of lesion is estimated by adaptive anisotropic diffusion followed by energy minimization method. The performance of the proposed method is evaluated on real ultrasound images which are captured from various breast tissues containing different lesions. Parameters for performance evaluation are presented and obtained results are compared with some other state-of-the-art lesion detection methods. Increased true positive rate in parallel with simultaneous decrease in false positive rate, Hammoude distance and Hausdorff distance confirm the effectiveness of proposed method for detecting breast cancer.در این مقاله روشی جدید برای آشکارسازی و تعیین مرز ضایعات در تصاویر فراصوت ارائه می گردد. در روش پیشنهادی ابتدا وجود ضایعات در قالب مفهوم آزمون فرض های تصادفی مدل می شود. در ادامه فرض صحیح با استفاده از اصلاح وفقی ضریب انتشار ناهمسانگرد روی تصویر فراصوت و متعاقب آن بهینه سازی انرژی، تعیین می گردد. اصلاح وفقی ضریب انتشار ناهمسانگرد موجب می شود تا آشکارساز فوق عملکرد متفاوتی را در نواحی مختلف تصویر دارا بوده و بدین ترتیب مرزهای باریک و محلی بین ضایعات و سایر اجزای تصویر با دقت بهتری آشکارسازی می شوند. روش پیشنهادی بر روی تصاویر فراصوت واقعی که شامل ضایعات مختلف بافت پستان بوده اند آزموده شده و عملکرد آن با برخی روش های موجود مقایسه می گردد. نتایج حاصل، حاکی از بهبود استخراج ضایعات توسط روش پیشنهادی نسبت به رقبا هستند به گونه ای که این روش، استخراج ضایعات را حداقل 5.9 درصد بهبود داده و از نظر پارامتر نرخ آشکارسازی غلط نیز حداقل 1.5 درصد بهتر از روش های رقیب عمل می نمایدhttps://scj.kashanu.ac.ir/article_111387_1003786b5791a6505824f333c4056507.pdf