جستجوي پيشرفته | کتابخانه مجازی الفبا

بنیادی ترین مساله متافیزیک ازسطو ،مساله هستی (وجود )است و این نکته مسلم است که مساله هستی یا وجود و هست یا موجود ، در همه مراحل گسترش فلسفیش برای ارسطو – هر چند نه به یک نحو –مطرح بوده است .این مساله در متافیزیک به شکل گسترده و مشخص بیان می شود . ارسطو در متافیزیک ،علم به موجود را به شیوه های مختلف بیان نموده و به مناسبت موضوعات متعدد و متنوعی نیز برای آن قرار داده است . در آغاز کتاب چهارم ، مابعدالطبیعه را علم مطالعه  « موجود چونان موجود» میداند ، ودر بخشهای دیگر متافیزیک ، ما بعدالطبیعه به عنوان علمی که با موجود الهی غیرمتحرک –موجود مفارق – سر و کار دارد و همچنین به عنوان علمی که از بالاترین اصول و مبادی و علل اشیاءِ بحث می کند،توصیف شده است و در جایی دیگر به عنوان علم به جوهر یا جوهر نخستین است . از این رو از دیرباز ، شارحان و مفسران ارسطو و ارسطوشناسان در تعیین موضوع ما بعدالطبیعه دچار تعارض و مشکل بوده اند که در نهایت ،حاصل قرنها تفسیر رای ارسطو در باب « موجود بما هو موجود» به دو تفسیر مختلف« انتولوژی » و« تئولوژی » منتهی می شود. تفسیر یونانیان به موجودات مفارق و تفسیر فیلسوفان مسلمان (فارابی و ابن سینا) به موجود مطلق، که این دو تفسیر، تاکنون نیز مطرح است. این پژوهش نیز با گزارش و تحلیل این دو تفسیر به جهت تبیین تمایز فلسفه این دیار از فلسفه یونان ، درصدد مقایسه رای ارسطو و فارابی دراین مساله است.

در سال‌های اخیر، تکنیک‌های فیلتر محتوایی دانش‌محور مبتنی‌بر پایگاه دانش و آنتولوژی به‌ روش‌هایی کارا و قابل‌قبول برای فیلتر اطلاعات تبدیل شده‌اند. در این تحقیق از ساختار آنتولوژی و پایگاه‌دانش‌های ویکی‌پدیا، وردنت و BNC برای عمل فیلتر اسناد، بهبود نمایش اولویت‌های کاربری و محتوای اسناد و محاسبه شباهت معنایی استفاده می‌شود. همچنین سامان‌دهی علایق کاربری و محتوای اسناد در پروفایل‌ها امکان استخراج دانش درباره‌ی علایق احتمالی کاربران و محتوای اسناد را با استفاده از آنتولوژی و پایگاه‌دانش فراهم می‌آورد. این تحقیق روشی نوین و منحصر‌به‌فرد در ساختار ترکیب خبرگان برای فیلتر اسناد ارائه می‌کند و مجموعه‌ای از بهترین و کاراترین روش‌های فیلتر را پیاده‌سازی و با هم یکپارچه می‌کند. ارزیابی سیستم در دو مرحله ارزیابی روش‌های محاسبه شباهت معنایی و روش‌های فیلتر محتوایی با استفاده از مجموعه داده‌های میلر- چارلز و 20Newsgroup انجام می‌شود. نتایج ارزیابی، همبستگی زیاد روش‌های محاسبه‌ی شباهت معنایی میان مفاهیم را با قضاوت بشر نشان می‌دهد. روش‌ مبتنی‌بر ویکی‌پدیا با میزان همبستگی 0.779 نه‌تنها از دیگر روش‌های پیاده‌سازی شده بهتر عمل می‌کند بلکه از روش‌های مشابه و شناخته‌شده‌ای مانند CODC با میزان همبستگی 0.693 و روش ESA با میزان همبستگی 0.58 بهتر عمل می‌کند. به‌علاوه در ارزیابی روش‌های فیلتر دانش‌محور ملاحظه می‌شود که روش مبتنی‌بر آنتولوژی با نرخ صحت و کارآیی98.9 و 98 درصد و روش مبتنی‌بر ویکی‌پدیا با نرخ صحت و کارآیی98.2 و 96 درصد نتایجبهتری نسبت به دیگر روش‌های مشابه و شناخته شده مانند NB-SVM Hybrid دارند. همچنین نتایج ارزیابی روش مبتنی‌بر ساختار ترکیب خبرگانبا نرخ صحت و کارآیی 99.4 و 98.9 درصد نشان می‌دهد کهاین روش نه‌تنها از تک‌تک روش‌های پیاده‌سازی شده کارآیی و صحت بالاتری دارد، بلکه می‌تواند خطاهای عمل فیلتر را تصحیح کند. براساس این نتایج، سیستم پیاده‌سازی شده می‌تواند به‌عنوان رویکرد جدیدی در فیلتر محتوایی و به‌عنوان چارچوبی برای استفاده در کاربردهای فیلتر اطلاعات استفاده شود.

هدف از این پایان نامه بررسی تکنیک های آموزش الکترونیک و ارائه مدل سیستم آموزش الکترونیک بر مبنای پایگاه دانش و پیاده سازی مدل پیشنهادی با استفاده از تکنولوژی های موجود است. در این تحقیق پس از بررسی مفاهیم آموزش الکترونیک و دیدگاه های رایج به بررسی نقش استاندارد سازی در این حوزه پرداخته و با معرفی مفاهیم دانش و پایگاه دانش از آنتولوژی (هستانه) به عنوان روشی برای نگهداری دانش یاد میکنیم و در ادامه به بررسی جایگاه آنتولوژی در سیستم های آموزش الکترونیک پرداخته. در فصول آخر پایان نامه یک مدل کاملا کاربردی برای پیاده سازی سیستم آموزش الکترونیک بر مبنای پایگاه دانش ارائه می گردد و در فصل پایانی به معرفی نسخه پیاده سازی شده آن سیستم بر مبنای تکنولوژی های قابل دسترس می پردازیم.

مسئله تصمیم‌گیری و استفاده از سیستم‌های کامپیوتری برای کمک و پشتیبانی‏تصمیم در سازمانهای آموزشی، مسئله جدیدی نیست و لیکن همواره یک مسئله پیچیده و حساس می‌باشد. آموزش به عنوان یک هدف تجاری هم می‌بایستی تصمیم‌های مناسب و موثّر و سریع اتخاذ نماید. استفاده از نگرش‌های جدید، از جمله استفاده از یک سیستم تولید مداوم هوش بر اساس اطلاعات داخل سازمانی و خارج سازمانی، برای کمک به مدیران اینگونه سیستم‌های آموزشی بسیار حیاتی است. در سیستم‏های هوش سازمانی که تاکنون طراحی شده‏اند، امکان استفاده از داده‏های خارجی آن هم به صورت جریانی از داده‏ها، ضمن استفاده از داده‏های داخلی، فراهم نشده است. البته استفاده از داده‏های خارجی و جریانی در یک سیستم هوش سازمانی، چالشهایی را به همراه دارد. تشخیص داده‏های مرتبط با اهداف سازمان و استخراج دانش نهفته در داده‏های جریانی از مهمترین این چالشها می‏باشند. از آنجا که در طراحی سیستم‏های هوش سازمانی متداول، این مسائل در نظر گرفته نشده‏اند، ارائه یک طراحی جدید در این خصوص ضروری می‏باشد. در این رساله طراحی یک سیستم تولید مداوم هوش برای سازمان‏های آموزشی ارائه شده است. آنتولوژی سازمان و کاوش داده‏های جریانی، مهمترین اجزا در طراحی این سیستم می‏باشند. در این تحقیق، سیستم پیشنهادی به صورت محدود پیاده‏سازی شده و مورد ارزیابی قرار گرفته است. در این سیستم کاوش داده‏های جریانی با پیاده‏سازی یکی از الگوریتمهای کاوش اقلام تکراری روی داده‏های جریانی، انجام شده و نحوه اجرای آن در کنار داده‏کاوی داده‏های داخلی نشان داده شده است.

در دنیای امروز یکی از حیاتی‌ترین زیر ساخت‌های اطلاعات جهانی، سیستمهای مبتنی بر وب می‌باشد، از این رو قابلیت اطمینان در آنها عاملی پر اهمیت می‌باشد. به همین منظور در راستای تایید قابلیت اطمینان نرم‌افزارهای مبتنی بر وب، امروزه محققان در پی روشهایی کارا جهت مدلسازی و تست این نرم‌افزارها بر آمده‌اند. هدف از انجام این پروژه، آزمون مبتنی بر مدل یک برنامه تحت وب در سطح سیستم، بصورت خودکار می‌باشد. در ابتدا با استفاده از استراتژی جعبه سیاه مدل ناوبری سیستم استخراج می‌شود. مدل استخراج شده، نقطه شروع برای انجام آنالیز ایستا می‌باشد. سپس به منظور پر کردن خودکار فرمها و در نتیجه مدلسازی و آنالیز قسمتهای پویای برنامه از چندین آنتولوژی استفاده می‌شود، در ادامه هر یک از عناصر فرمها به ترتیب به یکی از منابع آنتولوژی نگاشت می‌شوند، و با استفاده از محدودیتهای آنتولوژی و بصورت خودکار، داده‌های آزمون ایجاد می‌گردند. مدل پیشنهاد شدهبعنوان ابزار MBTester در پروژه بزرگ WTLAB پیاده‌سازی شد. طرح WTLAB با حمایت مرکز تحقیقات و مخابرات ایران بعنوان یک طرح پژوهشی بنیادی تعریف شده است. مدل پیشنهادی بر روی چندین برنامه تحت وب اجرا شد. با بررسی نتایج بدست آمده، بهبود قابل توجهی در فریند آزمون برنامه‌های مبتنی بر وب قابل مشاهده است.

تصادفات رانندگی و تلفات ناشی از آن در حال حاضر به صورت یک معضل در سطح جهان مطرح است. این مسئله به خصوص در کشورهای در حال توسعه و از جمله کشور ایران اهمیت بیشتری پیدا نموده است. از آن جا که در مدیریت صحیح یک حادثه، ارگان‌ها و سازمان‌های گوناگونی دخیل هستند، دسترسی به اطلاعات واحد و به روز اولین گام مهم در جهت برقراری ارتباط بین ارگان‌های درگیر و مدیریت بهینه تصادفات می‌باشد. اما همواره ناهمگونی‌ها و تفاوت‌های ساختاری و معنایی داده‌ها و سرویس‌ها موانع مهمی در یکپارچه سازی اطلاعات ایجاد می‌کنند. هدف از این تحقیق، حل مشکلات تعامل پذیری به کمک تلفیق فناوری‌های موجود در حوزه‌ی وب سرویس‌ها و سرویس‌های مکانی با فناوری‌های حوزه‌ی وب معنایی می‌باشد. بر اساس این هدف، سامانه‌ی شناسایی و اطلاع رسانی نقاط حادثه خیز جاده‌ها مبتنی بر معماری سرویس‌گرا طراحی گشته است. در این سامانه جهت برقراری تعامل پذیری معنایی از آنتولوژی ‌ -که ابزاری از وب معنایی است- برای غنی سازی داده‌ها و سرویس‌ها به معنا استفاده شده است. بدین ترتیب که یک آنتولوژی شامل مفاهیم مرتبط با حوزه‌ی تصادفات جاده‌ای و روابط بین آن‌ها طراحی گشته و نشان داده می‌شود که سامانه طراحی شده قابلیت ذخیره‌ی داده های موجود در سازمان‌های دیگر را، که دارای آنتولوژی متفاوتی می‌باشند، دارا است. همچنین یک وب سرویس مکانی منطبق با استانداردهای OGCپیاده سازی شده و با حاشیه نویسی معنایی آن، وب سرویسی مبتنی بر آنتولوژی ایجاد شده است. نتایج این تحقیق نشان می‌دهد که تلفیق فناوری وب سرویس و چارچوب OGC از یک طرف، و آنتولوژی‌ها از سوی دیگر می‌تواند نقش مهمی در مدیریت واحد و هماهنگ حوادث حمل و نقل جاده ای داشته و تعامل پذیری را هم در سطح معنایی و هم در سطح نحوی برقرار سازد.

وب امروزی اطلاعات را به‌صورت پراکنده و بدون درنظر‌گرفتن معنایشان در وب‌سایت‌های مختلف قرار داده است. اگر شخصی بخواهد به‌دنبال کالا و یا مفهوم خاصی در وب بگردد، باید به وب‌سایت‌های مختلف مراجعه کرده و اطلاعات آن‌ها را با هم مقایسه کند. اگر بتوان اطلاعات موجود در وب در زمینه‌ای خاص را به‌صورت یکپارچه و معنادار در کنار یکدیگر قرار داد، در وقت و هزینه‌ی کاربر صرفه‌جویی می‌شود. برای انجام این کار باید ابتدا اطلاعات موجود در وب استخراج شده و سپس به‌صورت یکپارچه در کنار یکدیگر قرار گیرند. این رساله برای استخراج اطلاعات، از وب‌سرویس‌ها و برای یکپارچه‌سازی آن‌ها از وب‌معنایی استفاده کرده است. این رساله به‌طور خاص از آنتولوژی استفاده کرده و آنتولوژی کتاب را تهیه کرده است. بدین‌صورت که ابتدا یک آنتولوژی اولیه ساخته شده است. سپس اطلاعات موجود در وب در مورد کتاب از طریق وب‌سرویس‌ها استخراج شده و در قالب یک آنتولوژی ذخیره شده است. در مرحله‌ی بعد این آنتولوژی‌ها باید با یکدیگر تطبیق یابند تا یک آنتولوژی یکپارچه ساخته شود. جهت انجام این‌کار باید مشابهت‌های معنایی، رشته‌ای و ساختاری این آنتولوژی‌ها درنظرگرفته شود. این رساله برای بررسی مشابهت معنایی و رشته‌ای از اطلاعات زمینه‌ای (فرهنگ‌لغت‌هایی) مثل ویکی‌پدیا، وُردنِت، گوگل و غیره استفاده کرده و برای بررسی مشابهت ساختاری از درختِ این آنتولوژی‌ها استفاده کرده است. در نهایت، آنتولوژی یکپارچه‌ی نهایی ساخته و نمونه‌سازی می‌شود.

مفهوم «شناخت» و «استدلال» هسته‏ی علوم‏شناختی و هوش‏مصنوعی است. برخی از علوم مانند فلسفه، منطق، روان‏شناسی، عصب‏شناسی و غیره همواره به‏دنبال این هستند که دریابند این فرآیندها دقیقاً چگونه در ذهن انسان انجام می‏شوند. آنچه که قطعی است یا دست‏کم توسط مشاهدات تجربی تایید می‏شود این است که مفهوم شناخت در طبیعت همواره با مفاهیم «یادگیری» و «تکامل» درآمیخته است. طبق مشاهدات طبیعی، بیشتر جانداران درابتدای زندگی شناخت کمی از خود و دنیای اطراف خود دارند. اما در طول زمان به نوعی تکامل شناختی دست می‌یابند. این مفهوم بسیار حیاتی است زیرا هیچ مدل شناختی کاملی از جهان در ابتدای زندگی جانداران دراختیار آنان نیست و هیچ راه مستقیمی هم برای دستیابی سریع به آن وجود ندارد. بلکه شناخت باید در طول زمان حاصل شود. این پایان‏نامه براساس مفهوم تکامل شناختی که در طبیعت وجود دارد، یک مدل/چارچوب کلی برای یادگیری و تکامل شناختیِ پیشکارها/سیستم‏های هوشمند مصنوعی پیشنهاد و ارائه می‌دهد. زیربنای تئوریک مدل چند فرضیه‏ی شناختی است که در این رساله پیشنهاد می‏شود. هسته مرکزی این چارچوب نیز یک دستگاه مختصاتی مفهومی چندبُعدی است که پیشنهاد شده و ذهن مجازی پیشکار را شکل می‏دهد. فرآیند یادگیری مفهومی به‏صورت بدون ناظر و توسط الگوریتم‏های خوشه‏بندی مفهومی و الگوریتم‏های پیشنهادی این رساله جهت ساخت و تکامل آنتولوژی انجام می‏شود. در نهایت ارزیابی‏های عملی مدل/چارچوب نتایج مطلوبی را نشان داد.

امنیت بزرگ‌ترین چالش بر سر راه استقرار و کاربرد رایانش ابری در مقیاس وسیع می باشدومکانیزم های سنتی امنیت قابل استفاده در رایانش ابری نمی‌باشند. اعتماد نقش مهمی در برقراری تعاملات امن و سودمند در محیط رایانش ابری دارد و می‌تواند جایگزین مناسبی برای مکانیزم‌های سنتی امنیت باشد. به دلیل رشد تراکنش‌های بر خط و فعالیت‌های تجارت الکترونیک در سال‌های اخیر، طراحی چارچوب شهرت و اعتماد برای سرویس‌های الکترونیکی، زمینه‌ای است که توجه بسیاری را به خود جلب کرده است. یکی از پارامترهای مهم در سیستم‌های سنجش اعتماد، قابلیت تشخیص زمینه فعالیت است. برای وارد کردن پارامتر زمینه فعالیت در محاسبات اعتماد، از روش تشخیص شباهت بین زمینه‌ها استفاده می‌شود. این روش می‌تواند بین زمینه‌های مختلف، بر حسب میزان اختلاف آن‌ها، تفاوت قائل شود و زمینه‌های مشابه یکدیگر را شناسایی کند.تحقیق پیش رو به مدل سازی ارتباط بین زمینه‌های مختلف بر اساس ساختارهای آنتولوژی و سلسله مراتبی پرداخته است. مدل پیشنهادی با توجه به داده‌های واقعی موجود در سیستم‌های تجارت الکترونیک که در عمل در حال بکار گیری هستند، مورد بررسی قرار گرفته است و نتایج نشانگر این است که زمینه می‌تواند 70 درصد عملکرد سیستم‌های فعلی اعتماد را بهبود بخشد.در این پژوهش پس از ارزیابی صحت عملکرد مدل در سیستم‌های تجارت الکترونیک، مدل را وارد حوزه رایانش ابری کرده‌ایم و نشان داده‌ایم که از این مدل می‌توان در حوزه رایانش ابری نیز استفاده نمود.

امروزه پست الکترونیکی یا ایمیل یکی از سریع‌ترین و اقتصادی‌ترین راهها برای ارتباط می‌باشد. با این‌حال، افزایش کاربران پست الکترونیکی باعث افزایش بی‌سابقهای در تعداد هرزنامه‌‌ها در چندین سال اخیر شده است. در چند ساله‌ی اخیر تلاش‌های زیادی برای فیلترکردن هرزنامه‌ صورت گرفته است که اغلب آنهااز روش‌های آماری و یادگیری ماشینی استفاده کرده‌اند که اغلب نیازمند انبوه داده برای عملیات یادگیری می‌باشند. هم‌چنین در این روشها برای فیلترکردن هرزنامه‌، از معنای محتوای ایمیل و نیز نحوه‌ی تعاملات بین فرستندگان هرزنامه‌ و فرستندگان معتبر، استفاده نشده است.در این پایان‌نامه دو روش برای فیلترکردن هرزنامه‌ ارائه شده است. در روش اول یک آنتولوژی از مفاهیم متداول هرزنامه‌ ساخته می‌شود. مشابهت معنایی گراف موضوعی متن و نیز سرآیند ایمیل با این آنتولوژی به همراه مشابهت معنایی بین سرآیند و بدنه‌ی ایمیل، سه مولفه برای فیلترکردن معنایی ایمیل می‌باشند. محاسبه‌ی مشابهت معنایی با استفاده از آنتولوژی زمینه‌ی WordNet صورت می‌گیرد. در روش دوم از گزارشات تراکنش ایمیل بین فرستندگان ایمیل به منظور ساخت یک شبکه‌ی اجتماعی ایمیل استفاده می‌شود. سپس یکسری از ویژگی‌های متمایز‌کننده‌ی فرستندگان هرزنامه‌ و فرستندگان معتبر ارائه می‌شود. سرانجام از این ویژگی‌ها به منظور دسته‌بندی ایمیل‌های هرزنامه‌ و ایمیل‌های معتبر استفاده می‌شود. از آنجائی که هر یک از این دو فیلتر بر روی ویژگی‌های متمایزی تمرکز دارند، ترکیب این دو فیلتر به‌صورت سری منجر به نتایج کامل‌تری می‌شود.فیلتر مبتنی بر شبکه‌ی اجتماعی در فیلترکردن هرزنامه‌ دقت بیش از 93 درصد از خود نشان داده است. این نتیجه قابل مقایسه با فیلترهای مبتنی بر یادگیری می‌باشد. همین طور فیلتر مبتنی بر مشابهت معنایی به صورت مکملی برای فیلتر مبتنی بر شبکه‌ی اجتماعی می‌باشد، به‌طوری‌که دقت بالای 96 درصد نتیجه‌ی ترکیب این دو فیلتراست.