دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 01 18 Classification of transformer faults using frequency response analysis based on cross-correlation technique and support vector machine طبقه‌بندی عیوب ترانسفورماتور با استفاده از تحلیل پاسخ فرکانسی بر پایه تکنیک همبستگی متقابل و ماشین بردار پشتیبان 2 13 111448 10.22052/scj.2021.111448 FA مهدی بیگدلی دانشکده فنی و مهندسی، گروه مهندسی برق، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ایران Journal Article 2020 09 17 One of the most important methods for transformers fault diagnosis (especially mechanical defects) is the frequency response analysis (FRA). The most important step in the FRA diagnostic process is to differentiate the faults and classify them in different classes. This paper uses the intelligent support vector machine (SVM) method to classify transformer faults. To this end, two groups of transformers were tested and necessary measurements were obtained; the transformers with healthy conditions and the ones with various fault conditions (axial displacement, radial deformation, disc space variation, short-circuits, and core deformation). Then, by dividing the frequency intervals of the measurements, a new feature based on the cross-correlation technique was proposed for SVM training and validation. After the training process, by applying the data obtained from actual transformers, the performance of SVM in different conditions was evaluated and compared. Finally, the most appropriate feature was presented. یکی از مهم‌ترین روش‌های تشخیص عیب در ترانسفورماتورها (خصوصاً عیوب مکانیکی) روش تحلیل پاسخ فرکانسی (FRA) است. مهم‌ترین گام در فرآیند تشخیص عیب به کمک FRA، متمایزکردن عیوب و قراردادن آن‌ها در کلاس‌های متفاوت است. در این مقاله از روش هوشمند ماشین بردار پشتیبان (SVM) برای طبقه‌بندی عیوب ترانسفورماتور استفاده می‌شود. برای این منظور، دو گروه از ترانسفورماتورها مورد آزمایش قرار گرفته است. ابتدا آزمایش‌های لازم بر روی ترانسفورماتورهای مدل تحت شرایط سالم و تحت شرایط عیوب مختلف (جابجایی محوری، تغییر شکل شعاعی، تغییر فاصله بین بشقاب‌ها، اتصال کوتاه بین بشقاب‌ها و تغییر شکل هسته) انجام می‌شود. سپس با تقسیم‌بندی بازه‌های فرکانسی توابع تبدیل اندازه‌گیری شده از ترانسفورماتور، یک مشخصه جدید مبتنی بر تکنیک همبستگی متقابل برای آموزش و اعتبارسنجی SVM پیشنهاد می‌شود. بعد از انجام فرآیند آموزش، با اعمال داده‌های به‌دست‌آمده از ترانسفورماتورهای واقعی، عملکرد SVM در حالت‌های مختلف مورد ارزیابی و مقایسه قرار گرفته و مناسب‌ترین شاخص ارائه می‌شود.

https://scj.kashanu.ac.ir/article_111448_4c7a72794138438262d07e179386d46c.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 01 23 An automatic Model for Managing Uncertainty and Rule Extraction in Form of Fuzzy Rules using Genetic Algorithm ارائه روشی خودکار جهت مدیریت عدم قطعیت و استخراج دانش در قالب مجموعه قوانین از داده‌ها با استفاده از الگوریتم ژنتیک 14 25 111449 10.22052/scj.2021.111449 FA الهام آفرنده گروه مهندسی کامپیوتر، موسسه آموزش عالی توس، مشهد، ایران دانشجوی دکتری، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران راحیل حسینی دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران Journal Article 2020 05 04 In the last decade, the application of data mining techniques and intelligent methods for extracting knowledge automatically from the massive datasets has received a lot of attention. Considering the rule-based knowledge representation structure and its high capability for interpreting hidden patterns in information, the extraction of hidden patterns in the form of a set of rules plays an important role in intelligent decision-making systems. After the pre-processing step, this article first presents the method of extracting rules directly from the data set and then examines the technique of extracting rules by the fuzzy classification method using the set of rules that was obtained in the previous step. At this stage, inconsistent, repetitive, and contradictory rules are removed. Since one of the challenges in intelligent systems with the capability of managing uncertainty issues such as fuzzy systems, is that training does not take place for them, we use the genetic algorithm to improve fuzzy rules in order to obtain the optimal set of rules. The proposed Fuzzy-Genetic method was applied to five well-known datasets where for three of them, results were more efficient than the SVM classical classification and Naïve Byes regression methods. در دهه اخیر کاربرد تکنیک‌های داده‌کاوی و روش‌های هوشمند جهت استخراج دانش به‌صورت خودکار از مجموعه انبوه داده‌ها مورد توجه پژوهش‌های زیادی قرار گرفته است. باتوجه به ساختار نمایش دانش مبتنی برقوانین و قابلیت تفسیر بالای این روش در بیان الگوهای پنهان در اطلاعات، استخراج الگوهای پنهان در قالب مجموعه قوانین، از اهمیت بالایی در سیستم‌های هوشمند تصمیم یار برخوردار است. این مقاله به ارائه روشی خودکار جهت استخراج قوانین به صورت مستقیم از روی مجموعه داده‌ها می‌پردازد. در روش پیشنهادی از امکان و قابلیت مدیریت عدم قطعیت تثوری مجموعه‌های فازی در مدل‌سازی قوانین استفاده شده است. به منظور رسیدن به مجموعه قوانین بهینه فازی، از الگوریتم ژنتیک استفاده شده و علاوه برکاهش مجدد قوانین تکراری، بهبود قوانین فازی بر روی آن‌ها انجام شده است. به منظور ارزیابی، روش فازی-ژنتیک پیشنهادی بر روی هفت مجموعه داده مشهور پیاده‌سازی و بر اساس روش تحلیل Accuracy ارزیابی شده است. نتایج به‌دست آمده بیانگر کارآ بودن روش پیشنهادی در مجموع است.

https://scj.kashanu.ac.ir/article_111449_d0baad814ebd3c5a0f29b5e94dc1dc4a.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 02 04 Exploiting Big Data Technology for Opinion Mining استفاده از تکنولوژی داده‌های عظیم در نظرکاوی 26 39 111450 10.22052/scj.2021.111450 FA فاطمه پورغلامعلی دانشکده مهندسی، دانشگاه ولیعصر (عج) رفسنجان، رفسنجان، ایران محسن کاهانی دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران احسان عسگریان دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران Journal Article 2020 03 09 Reviews have an important role in the decision-making process either for customers or commercial organizations. Hence, it is necessary to develop methods that mine the reviews of customers automatically. This task is referred to as Opinion mining or sentiment analysis. Opinion mining covers a wide range of sub-problems such as text mining, natural language processing, classification, etc. However, with the fast growth of opinion data on the web, the opinion mining process faces some serious problems. Storing, managing and processing such a large volume of data using the traditional approaches are very hard and, in some cases, impossible. While there are various studies in the opinion mining area, there are few studies that address the problem of mining the sentiments of the large volume of Persian texts. In this paper, we propose two approaches for sentiment analysis of Persian reviews. These approaches are developed based on a Persian sentiment lexicon and a programming language model in the MapReduce distributed systems with the Hadoop framework. We examined our proposed approaches with various stations and discuss the effectiveness of the Big Data technology for the opinion mining task. The results showed that not only for high volumes but also for volumes of about 20 MB, a 100-fold increase in efficiency was observed. نظرات، نقش مهم و تعیین کننده‌ای در فرآیند تصمیم‌گیری چه برای مشتریان و چه برای سازمان‌های تجاری ایفا می‌کنند. از این رو، وجود سیستم‌های خودکار نظرکاوی برای داده‌های نظری موجود در وب، ضروری به نظر می‌رسد. از طرفی، با حجم بالا و رشد روزافزون داده‌های نظری روی وب، فرآیند نظرکاوی می‌تواند با چالشی بزرگ روبه‌رو شود؛ چرا که پردازش و تحلیل این حجم عظیم از داده‌ها با تکنولوژی‌های متداول، ممکن است عملی نباشد. در صورتی‌ که سیستم‌های کاوش نظرات به تکنولوژی‌های داده‌های عظیم مجهز شوند، بدون نگرانی از مدیریت، ذخیره‌سازی و مدیریت حجم روزافزون داده‌های نظری، می‌توانند به کار خود ادامه دهند. با آنکه در سال‌های اخیر تحقیقات زیادی در حوزه تحلیل حسی نظرات انجام شده است، اما تلاش‌های کمی در حوزه کاوش داده‌های نظری در حیطه زبان فارسی در مقیاس بالا انجام گرفته است. از این رو، در این تحقیق، دو روش نظرکاوی برای داده‌های زبان فارسی با استفاده از یک لغت‌نامه حسی زبان فارسی در بستر تکنولوژی داده‌های عظیم ارائه شده است. برای ذخیره‌سازی و پردازش داده‌های نظری از چارچوب متداول و کارای هدوپ و مدل برنامه‌نویسی نگاشت_کاهش (MapReduce) استفاده شده است. نتایج به دست آمده از آزمایش‌ها حاکی از آن است که چارچوب پیشنهادی برای نظرکاوی به شکلی کارا عمل کرده و نه تنها برای حجم‌های بالا بلکه در حجم‌های حدود 20 مگابایت شاهد افزایش 100 برابری در کارامدی هستیم. این ضریب، در حجم‌های بالاتر به شکل محسوس‌تری افزایش می‌یابد.

https://scj.kashanu.ac.ir/article_111450_306e8ece3128d71c8af413f111e64e75.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 02 23 Blockchain Security and Privacy Research Analysis: A bibliometric study تحلیل تحقیقات امنیت و حریم خصوصی حوزه بلاک‌چین: یک مطالعه علم سنجی 40 55 111451 10.22052/scj.2021.111451 FA حامد برنگی دانشکده مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران دانشجوی دکتری، دانشکده مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران فاطمه راجی دانشکده مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران علی اکبر خاصه گروه علم اطلاعات و دانش‌شناسی، دانشگاه پیام نور، تهران، ایران Journal Article 2020 11 13 Blockchain is a distributed and undeniable digital ledger that stores transactions in a chain of high-security blocks. Blockchain solves security and privacy issues in different domains. This study aims to investigate a scientific study on blockchain security and privacy researches in Web of Science database to provide a concreter view of this research area using scientometric techniques. The research community has 1226 records, which have been indexed by blockchain researchers in the field of security and privacy over five years (between 2015 and 2019). In this article, the most influential countries, the network of cooperation between countries and top universities, top researchers, the most frequent keywords and cluster analysis of keywords in this field are examined. Based on the results of this study, it can be stated that security and privacy researches in the field of blockchain in ISI has been grown exponentially over the past five years, and blockchain has been mostly used to address security and privacy issues in IoT and its applications. بلاک‌چین یک دفترکل دیجیتال توزیع‌شده و غیرقابل‌انکار است که تراکنش‌ها را در زنجیره‌ای از بلاک‌ها با امنیت بالا ذخیره می‌کند. بلاک‌چین توانایی حل مشکلات مربوط به امنیت و حریم خصوصی در دامنه‌های مختلف را دارد. هدف این پژوهش انجام یک مطالعه‌ی علم‌سنجی بر روی پژوهش‌های امنیت و حریم خصوصی حوزه بلاک‌چین در پایگاه Web of Science است تا تصویری عینی از وضعیت این پژوهش‌ها ارائه دهد. این پژوهش با بکارگیری فنون علم‌سنجی انجام شده است. جامعه‌ی پژوهش را تعداد 1226 رکوردی تشکیل می‌دهد که توسط پژوهشگران حوزه‌ی بلاک‌چین در زمینه امنیت و حریم خصوصی در نمایه‌نامه‌های Web of Science، در بازه‌ی پنج ساله (بین سال‌های 2015 تا 2019) وارد شده‌اند. در این مقاله، تاثیرگذارترین کشورها، شبکه همکاری بین کشورها و دانشگاه‌های برتر، برترین پژوهشگران، پرتکرارترین کلیدواژه‌ها و تحلیل خوشه‌ای کلیدواژه‌های این حوزه مورد بررسی قرار گرفته است. با توجه به نتایج حاصل از این پژوهش می‌توان چنین اظهار داشت که پژوهش‌های امنیت و حریم خصوصی حوزه بلاک‌چین در آی.اس.آی طی مدت این پنج سال رشد چشمگیری داشته است و از بلاک‌چین بیشتر برای حل مشکلات مربوط به امنیت و حریم خصوصی حوزه اینترنت اشیا و کاربردهای آن استفاده شده است.

https://scj.kashanu.ac.ir/article_111451_5706bac1daf68746039eaa493ffc764c.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 02 08 Improved Genetic Algorithm Based on Critical Self-Organization and Gaussian Memory for Solving Dynamic Optimization Problems ارائه یک نسخه بهبودیافته از الگوریتم ژنتیک مبتنی بر راهکار خودسازمان‌دهی بحرانی و حافظه گوسی برای حل مسائل بهینه‌سازی پویا 56 91 111452 10.22052/scj.2021.111452 FA مجید محمدپور باشگاه پژوهشگران و نخبگان، دانشگاه آزاد اسلامی واحد یاسوج، کهگیلویه و بویراحمد، ایران بهروز مینایی بیدگلی دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت، تهران، ایران حمید پروین دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی، نورآباد ممسنی، فارس، ایران کیوان رحیمی زاده دانشکده فنی و مهندسی، گروه مهندسی برق و کامپیوتر، دانشگاه یاسوج، یاسوج، ایران Journal Article 2020 05 07 Dynamic components, nonlinear limitation, and multi-objectives are characteristics that we face in the real world. On the other hand, evolutionary algorithms, thanks to their capability in management of multi-objective and non-linear environments, have been applied to industrial applications. Inspired by nature, this study tries to design optimization protocols in the genetic algorithm with keeping the algorithm complexity and periodic variation in the problem space. In other words, this study proposes an optimized memory-based genetic algorithm to solve dynamic optimization problems. A new self-organized mutation operator based on the sandhill model is used in this algorithm. The operator can predict self-regulated mutation rates based on the sandhill distribution model. If the variations occur periodically, the past data helps the algorithm reaches consistency with the environment after the environment change. The idea is switching to a new situation based on the memory. One of the issues of using memory is diversity. To this end, a density prediction memory with the gaussian cluster was is used. Moreover, an approach is used for information replacement and retrieval. In our proposed method, the self-organized mutation is composed to the genetic algorithms have been proposed. Results show the proposed method could improve the genetic algorithms for dynamic environments. Moreover, the proposed method was tested using different benchmark functions such as royal road, one max, and deceptive. از آن‌جایی‌که اجزای پویا، همراه با محدویت‌های غیرخطی و اهداف متعدد، یکی از خصوصیت‌هایی است که به‌طور مکرر در مسائل دنیای واقعی ظاهر می‌شود و از طرف دیگر زمان زیادی است که محاسبات تکاملی وارد حوزه کاربردهای صنعتی شده است (به خصوص به‌علت توانایی آن‎ها در مواجهه با محیط‎‌های چندهدفه و غیرخطی) انتظار می‌‎رود که توجه به این زمینه در جامعه علمی رشد پیدا کند. هدف این مقاله، امکان طراحی پروتکل‎‌های الهام گرفته از طبیعت در الگوریتم ژنتیک است که روی بهینه‎‌سازی در محیط‎‌های پویا موثر باشد، در حالی‌‎که پیچیدگی الگوریتم را حفظ کند و تغییرات در فضای مسئله به‌‎صورت دوره‎ای رخ دهد. در این مقاله، یک الگوریتم ژنتیک بهبودیافته (خودسازمانده بحرانی) مبتنی بر حافظه برای حل مسائل بهینه‎‌سازی پویا ارائه شده است. در الگوریتم ارائه‌‎شده، از یک عملگر جهش خودسازمانده استفاده شده است. این عملگر جهش می‎‌تواند نرخ‎‌های جهش خودتنظیم‌‎شونده را با یک توزیع ویژه بر مبنای مدل تپه شنی انجام دهد که این برای بهینه‌‎سازی پویا مناسب است. اگر تغییرات به‌‎صورت دوره‎ای رخ دهند، به‌‎طور معمول استفاده از اطلاعات گذشته اجازه می‎‌دهد الگوریتم به ‎سرعت بعد از تغییر محیط به سازگاری در شرایط محیطی جدید برسد. ایده مورد نظر در این زمینه، استفاده از یک حافظه می‎‌باشد. یکی از چالش‎‌های اساسی در به‎‌کارگیری حافظه، تنوع می‎‌باشد. برای افزایش سطح تنوع از یک حافظه تخمبن تراکم با خوشه‌بندی گاوسی استفاده شده است. همچنین از راهکاری برای جایگزینی و بازیابی در حافظه استفاده شده است. در طرح پیشنهادی ابتدا جهش خودسازمانده بحرانی جدید، با سایر الگوریتم‌‎های ژنتیک ارائه شده توسط سایر محققین ترکیب شده و نتایج حاصل شده نشان می‎‌دهد که این روش توانسته به‎‌کرات سایر الگوریتم‎‌های ژنتیک را برای محیط‎‌های پویا بهبود بخشد. در نهایت روش پیشنهادی این مقاله که ترکیب خودسازماندهی بحرانی جدید با حافظه تخمین تراکم گوسی است ارائه شده است. نتایج این روش بر روی مسائل محک مختلف با عنوان توابع تله پویا (Royal road، One Max و Deceptive)، آزمایش شده ونتایج حاصله حاکی از کارایی بیشتر روش پیشنهادی است.

https://scj.kashanu.ac.ir/article_111452_9246f2c495aced6b887b3d54e37fbd6b.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 03 15 The machine vision technology in precision agriculture: A comprehensive review on principles and applications فناوری ماشین‌بینایی در کشاورزی دقیق: مروری جامع بر اصول و کاربردها 92 113 111453 10.22052/scj.2021.111453 FA مرضیه قربانی گروه مهندسی فنی کشاورزی، پردیس ابوریحان، دانشگاه تهران، تهران، ایران محمد ابونجمی گروه مهندسی فنی کشاورزی، پردیس ابوریحان، دانشگاه تهران، تهران، ایران کیوان آصف‌پور وکیلیان گروه مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. Journal Article 2020 07 20 Population growth of communities and the improvement of the living level have resulted in the use of new methods to produce healthy and high-quality food. Due to the remarkable development of image processing and machine vision methods, a lot of research has been presented to provide an effective solution based on image processing in various fields of precision agriculture. Researchers have currently widely used image processing in smart farming and gardening, including planting, weed control, irrigation, spraying, fertilization, plant growth monitoring, and crop harvesting. In addition to reducing production costs and agricultural inputs, these methods also have significant effects on the conservation of water resources and protecting the environment. In this review study, image processing-based methods that have been introduced so far for smart weed control, local spraying, and irrigation management are investigated. It is also attempted to evaluate the performance of each method with its advantages and disadvantages. Finally, the future perspectives of image processing applications in the fields of precision agriculture are expressed. رشد جمعیت جوامع و ارتقای سطح زندگی، لزوم بهره‌گیری از روش‌های جدید به‌منظور تهیه مواد غذایی سالم و با کیفیت را پدید آورده است. با توجه به توسعه چشمگیر روش‌های پردازش تصویر و ماشین‌بینائی، تحقیقات بسیاری به‌منظور ارائه یک راه‌حل مبتنی بر پردازش تصویر در مسائل مختلف و رو به رشد کشاورزی دقیق ارائه شده است. در حال حاضر، محققین به‌طور گسترده از پردازش تصویر برای هوشمندسازی بخشی از مراحل مختلف زراعت و باغبانی، از جمله کاشت، کنترل علف‌های هرز، آبیاری، سمپاشی، کودپاشی، بررسی روند رشد گیاه و برداشت محصول استفاده کرده‌اند. این روش‌های هوشمندسازی در بخش کشاورزی علاوه بر کاهش هزینه‌های تولید و نهاده‌های کشاورزی، اثرات چشم‌گیری نیز در حفظ منابع آب و محیط زیست ایفا می‌کنند. در این بررسی مروری، روش‌های مبتنی بر پردازش تصویر که تاکنون برای هوشمندسازی کنترل علف‌های هرز و مدیریت موضعی سمپاشی و آبیاری معرفی شده‌اند، مورد بررسی قرار گرفته‌اند. همچنین تلاش شده است تا عملکرد هر روش به‌همراه مزایا و معایب آن بررسی شود. در نهایت، چشم‌انداز آینده کاربردهای پردازش تصویر در حوزه‌های مورد بررسی کشاورزی دقیق ترسیم شده است.

https://scj.kashanu.ac.ir/article_111453_37148519a9f2766f9ffac0b6590fdca8.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 05 23 Detection of Disc Destruction Between Lumbar Vertebrae Using MRI Images تشخیص تخریب دیسک بین مهره‌ای کمر با استفاده از تصاویر MRI 114 123 111454 10.22052/scj.2021.111454 FA علی میرزاخانی دانشکده مهندسی برق و کامپیوتر، دانشگاه پارس رضوی، گناباد، ایران مجتبی محمدپور دانشکده مهندسی برق و کامپیوتر، مجتمع آموزش عالی گناباد، گناباد، ایران Journal Article 2020 10 01 Most people experience low back pain at least once in their lifetime. Lumbar disc herniation is one of the major causes of low back pain. Treatment methods for disc herniation are very diverse. Therefore, diagnosis of the exact size of herniation and its location can greatly help specialists to select the best treatment method. In this research, an automated method for diagnosing lumbar disc herniation using 130 MR images is proposed. In the proposed method, using three algorithms, namely region growing, OTSU and active contour, the intervertebral discs and their boundary were precisely separated from the background of the image. In the next step, after extracting the most significant features of the images, they are divided into healthy and unhealthy classes by SVM classifier with 89.9% accuracy. The classification accuracy was compared with classifiers KNN, Ensemble, and decision tree. Finally, it was determined the SVM classifier has the highest accuracy for the classification. بیشتر انسان‌ها حداقل یک‌بار در طول زندگی‌ خود درد در ناحیه پایین کمر را احساس نموده‌اند. فتق دیسک بین مهره‌ای کمر یکی از عمده‌ترین علل درد در ناحیه پایین کمر می‌باشد. روش‌های درمان فتق دیسک بین مهره‌ای کمر بسیار متنوع می‌باشند. بنابراین، تشخیص اندازه دقیق فتق و مکان آن می‌تواند به متخصص‌ها در انتخاب بهترین روش درمان بسیار یاری رساند. در این پژوهش یک روش خودکار برای تشخیص بیماری دیسک کمر با استفاده از تصاویر MR ارائه شده است. برای رسیدن به این منظور، از130 تصویر MR استفاده شده است. در روش پیشنهادی با استفاده از سه الگوریتم رشد ناحیه‌ای، آتسو و کانتور فعال دیسک‌های بین مهره‌ای کمر و محدوده آن‌ها به دقت از پس زمینه تصویر جدا شده است. در ادامه پس از استخراج ویژگی‌های شاخص تصویر، نمونه‌ها توسط دسته‌بند SVM با دقت 9/89% به دو دسته سالم و ناسالم تقسیم شدند. دقت کار با سایر دسته‌بندها نظیر KNN، Ensemble و درخت تصمیم مورد مقایسه قرار گرفت. درنهایت مشخص شد، دسته‌بند SVM بالاترین دقت در دسته‌بندی داده‌ها را دارا می‌باشد.

https://scj.kashanu.ac.ir/article_111454_fdb3cab520e0f292965898934a1a7953.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 06 10 A very fast algorithm for path delay fault simulation of digital circuit based on parallel critical path tracing یک الگوریتم بسیار سریع برای شبیه‌سازی اِشکال تأخیر مسیر مدارهای دیجیتال بر اساس پیمایش موازی مسیر بحرانی 124 145 111571 10.22052/scj.2021.111571 FA احمد احترام دانشکده فنی و مهندسی، گروه مهندسی برق، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران حسین صباغیان بیدگلی دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه کاشان، کاشان، ایران حسین قسوری دانشکده مهندسی برق و کامپیوتر، گروه مهندسی برق، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران مجید دلشاد دانشکده فنی و مهندسی، گروه مهندسی برق، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران شاهین حسابی دانشکده مهندسی کامپیوتر، گروه مهندسی برق، دانشگاه صنعتی شریف، تهران، ایران Journal Article 2021 04 09 Path delay simulation is a method of assessing the quality of a test in which the number of paths detected by a given test set is determined. The execution time of the path delay fault simulation depends on the total number of paths in the circuit. Increasing the size and complexity of digital circuits and the exponential relationship between the number of paths and the number of gates in the today’s circuits has made path delay fault simulation a time-consuming operation. Hence, high speed algorithms are extremely desirable. Existing methods of path delay fault simulation suffer from long execution time, inaccuracy or the need for special hardware. This paper proposes a very fast algorithm to simulate path delay faults, which improves the speed while maintaining its accuracy, and on the other hand does not require special hardware to run. This method concurrently uses a couple of different techniques to increase the speed. Some of these techniques like critical path interception (for reducing the search space), simplification of the conditions of propagation of path delay, (for reducing computations), and creation of checklist array (for removing comparison and search operations in merging recognized paths) are considered as our contributions. Applying such techniques alongside other well-known techniques like path indexing (to prevent full path extraction) and 32-bit parallelism (to concurrently employ 32 test vectors) led to increase the speed. The proposed method was applied to a number of ISCAS85 and ITC99 benchmark circuits, and the results of combining different techniques were compared with a number of previous studies. The obtained outcomes denote the impact of the applied techniques and 186-fold improvement. شبیه‌سازی اِشکال تأخیر مسیر روشی برای ارزیابی کیفیت آزمون است که در آن تعداد مسیرهای شناسایی شده توسط یک مجموعه آزمون مشخص می‌شود. زمان اجرای شبیه‌سازی اشکال تاخیر مسیر به تعداد کل مسیرهای یک مدار وابسته است. افزایش روز‌افزون بزرگی و پیچیدگی مدارات دیجیتال و رابطه نمایی تعداد مسیرها بر حسب تعداد دروازه‌های یک مدار، شبیه‌سازی اِشکال تأخیر مسیر را برای مدارات امروزی به عملیاتی زمان‌بر تبدیل کرده است. از این رو نیاز به وجود الگوریتم‌های سرعت بالاتر به شدت احساس می‌شود. روش‌های موجود شبیه‌سازی اِشکال تأخیر مسیر بخاطر زمان اجرای طولانی، عدم دقت و یا نیاز به سخت‌افزار خاص دچار مشکل هستند. در کار حاضر یک الگوریتم بسیار سریع برای شبیه‌سازی اِشکال تأخیر مسیر ارائه می‌شود که ضمن افزایش سرعت، دقت خود را نیز حفظ می‌کند و از طرفی برای اجرا به سخت‌افزار خاصی نیاز ندارد. این روش بطور همزمان از چند تکنیک مختلف برای افزایش سرعت استفاده می‌کند. برخی از این تکنیک‌ها مانند رهگیری مسیر بحرانی (جهت کوچک کردن فضای جستجو)، ساده‌سازی شروط انتشار تاخیر مسیر (برای کاهش حجم محاسبات) و ایجاد چک لیست آرایه‌ای (به منظور حذف عملیات مقایسه و جستجو هنگام ادغام لیست مسیرهای شناسایی شده) نوآوری محسوب می‌شوند و بکارگیری آنها در کنار تکنیک‌های شناخته شده مانند اندیس‌گذاری مسیرها (برای‌ جلوگیری از استخراج کامل مسیرها) و موازات 32 بیتی (جهت اعمال 32 بردار آزمون همزمان) باعث افزایش قابل توجه سرعت شده است. روش پیشنهادی بر روی تعدادی از مدارهای محک ISCAS85 و ITC99 آزمایش شده و نتایج ترکیب تکنیک‌های مختلف با یکدیگر و با تعدادی از کارهای گذشته مقایسه شده است. نتایج بدست آمده، تأثیر تکنیک‌های بکار رفته و بهبود حدود 186 برابری نسبت به کارهای دیگران را نشان می‌دهد.

https://scj.kashanu.ac.ir/article_111571_a06387b37c862a1f42c3a4d7abe3835f.pdf

دانشگاه کاشان محاسبات نرم 2322-3707 9 1 2021 06 10 Watermarking based on Hessenberg matrix decomposition نشان‌نگاری با رویکرد تجزیه‌ ماتریسی هسنبرگ 146 157 111560 10.22052/scj.2021.242811.0 FA مریم محمدی دانشکده علوم ریاضی و کامپیوتر، گروه ریاضی، دانشگاه خوارزمی، تهران، ایران فاطمه نجاتی دانشکده علوم ریاضی و کامپیوتر، گروه ریاضی، دانشگاه خوارزمی، تهران، ایران Journal Article 2020 08 11 Watermarking is considered as a kind of proper information hiding for respecting copyright and preventing the illegal information copy. Indeed, watermarking provides the data owner's address with the audio and video data. To respect the copyright, this paper aims to provide a watermark image as a mark of the owner with the target image. There are some various ways in watermarking such as using wavelets, Fourier transform or the combination of these transformations with different matrix decomposition. Based on the matrix decomposition, this paper presents a watermarking method consisting of image replacement and image retrieval steps. The replacement step deals with replacing the watermark in the target image where: (1) the matrices of the target and watermark images are decomposed using one of the customary decompositions, i.e., Singular Value decomposition (SVD), QR, Hessenberg, and Schur, and (2) a coefficient of a selected matrix of the watermark image is added to a selected matrix of the target image. Then, by multiplying the resultant matrix by the matrices of the target image, the matrix obtained that slightly differs to the matrix of the target image. The resultant image will include the owner track. By inverting watermarking operations in step 2, we retrieve the watermarked image to check ownership of the work. In the two steps, the method accuracy is measured using PSNR and SSIM. To evaluate the proposed method, it was applied to images of dataset USC-SIPI where the highest value of PSNR and SSIM using Hessenberg decomposition were 51.35 and 0.9994, respectively. Such values denote the high accuracy and effectiveness of the Hessenberg decomposition in the proposed method. Among the four decompositions, the watermarked image may not be retrieved using the Schur decomposition denoting the Schur weakness. The outcomes of the proposed method were compared to those of the recent studies that used the gray images in their experiments. The comparison showed the proposed method has10% improvement in PSNR while SSIM values were equal. نشان‌نگاری به عنوان شاخه‌ای از فرآیند پنهان‌سازی اطلاعات محسوب می‌شود که روشی مناسب در حفاظت حق نشر و جلوگیری از تکثیر غیرقانونی اطلاعات است. در واقع، در نشان‌نگاری، به منظور حفاظت حق نشر یک داده، اقدام به قرار دادن نشانی از مالک داده در دادهای دیگر مانند تصویر و ویدیو می‌کنند. در این مقاله، با هدف حفاظت از حق نشر، تصویری به نام تصویر نشان را به عنوان ردی از مالک در تصویر میزبان قرار می‌دهیم. در این زمینه، تا به امروز روش‌های متفاوتی مانند استفاده از تبدیل‌های موجک، فوریه و یا ترکیب این تبدیل‌ها با تجزیه‌های مختلف ماتریس معرفی گردیده است. در این مقاله، با روشی کاملا مبتنی بر تجزیه‌ ماتریس به نشان‌‌نگاری می‌پردازیم. روش پیشنهادی، دارای دو مرحله جایگذاری و بازیابی تصویر است. در مرحله جایگذاری، تصویر نشان را در تصویر میزبان جای می‌دهیم. بدین منظور، ابتدا ماتریس‌های متناظر با تصاویر میزبان و نشان را با یکی از چهار تجزیه‌ی متداول مقادیر تکین (SVD)، QR، هسنبرگ، و شور تجزیه می‌کنیم. سپس در تجزیه‌های بدست آمده برای تصاویر نشان و میزبان، ماتریسی که دارای کمترین تعداد مؤلفه ناصفر است را به عنوان ماتریس‌ منتخب در نظر می‌گیریم. سپس ضریبی از ماتریس منتخب مربوط به تصویر نشان را به ماتریس منتخب مربوط به تصویر میزبان می‌افزاییم. در ادامه، از ضرب ماتریس حاصل، در سایر ماتریس‌های مربوط به تصویر میزبان، ماتریسی ایجاد می‌شود که اندکی متفاوت از ماتریس متناظر با تصویر میزبان است. تصویر حاصل از این ماتریس، تصویر نشان‌شده است که اثری از مالک در آن مخفی است. در مرحله‌ی ‌بازیابی، با انجام وارون عملیات نشان‌گذاری، تصویر نشان‌شده را بازیابی می‌کنیم. در این صورت به صحت مالکیت یا عدم مالکیت شخص مدعی آن اثر پی می‌بریم. در هر دو مرحله جایگذاری و بازیابی، دقت روش را با پارامترهای PSNR و SSIM می‌سنجیم. به منظور ارزیابی روش پیشنهادی، از تصاویر موجود در مجموعه داده‌های USC-SIPI استفاده نموده‌ایم. بالاترین مقدار مؤلفه‌های PSNR و SSIM، به ترتیب برابر با 35/51 و 9994/0 و با استفاده از تجزیه هسنبرگ به دست می‌آید. این مقادیر، به معنای بالاتر بودن دقت بصری تصویر و کارآمد بودن تجزیه هسنبرگ در روش پیشنهادی است. در میان این چهار تجزیه، تصویر نشان با استفاده از تجزیه شور قابل بازیابی نمی‌باشد که این خود دال بر ضعف تجزیه شور است. همچنین نتایج حاصل از روش پیشنهادی با نتایج برخی از مقالات سال‌های اخیر که تنها از تصاویر خاکستری در آزماشیات خود استفاده نموده‌اند، مقایسه شده و میزان بهبود 10 درصدی پارامتر PSNR و برابری پارامتر SSIM، در مقایسه با دقیق‌ترین مقادیر این پارامترها حاصل شد.

https://scj.kashanu.ac.ir/article_111560_4ca6ddc7350b5b53cb5dcfe71efd79c1.pdf