بهنام دارابی

میرزای نایینی از علمای روشن فکر و آزاد اندیشی است که نقش اساسی او در پیشگامی مبارزات مردمی با استبداد و استعمار و حکومت مشروطه و آغاز بیداری مسلمانان بارز است. وی در کتاب «تنبیه الامه و تنزیه المله» که فقه سیاسی است به تئوریزه کردن مشروطه و حکومت مردم سالاری و قانون می پردازد و نظام سیاسی پذیرفته شده در اسلام را تبیین نموده و به شبهات پاسخ می گوید. در این کتاب بیشتر به بعد مشروطه و حکومت داری توجه شده و یکی از مواردی که دربارة آن پژوهش نشده است مسئله اتحاد اسلامی می باشد. میرزای نایینی با چند روش مسلمانان را به هم بستگی دعوت نموده است: ا. روش علمی مقارنه ای و رعایت ادب اختلاف؛ 2. آگاهی یافتن از مسلمانان جهان و دلسوزی نسبت به امور آنان؛ 3. طرح مسئله اختلاف و تفرقه به عنوان عامل و قوای استبداد؛ 4. ارائه راه کار برای رفع آن.

«جرم ناشی از نفرت» مفهومی اجتماعی است که در اوایل دهه 90 میلادی به کار برده شد و مصادیق فراوان در کشورهای مختلف یافته است. این مفهوم آن دسته از جرایمی را شامل می شود که براساس نفرت موجود نسبت به دسته ای از افراد جامعه، بنابر اختلافی ایدئولوژیک یا طبیعی، با قربانی از سوی مجرم رخ می دهد. آثار مخرب اجتماعی این گونه جرایم موجب شده است اقداماتی برای از بین بردن و مقابله با آن، به خصوص در کشورهای اروپایی و آمریکا، صورت گیرد. با این حال، این اصطلاح در ادبیات حقوقی ایران واژه ای بیگانه است. این مقاله پس از ارائه گزارشی از این دسته جرایم در خارج و داخل ایران، با تقسیم عوامل به سه دسته دولت، نهادهای دینی و ایدئولوژیک، و جامعه، به تبیین تأثیر هریک در ارتکاب چنین جرایمی می پردازد و با توجه به فضای چند فرهنگی ایران و قرار گرفتن در منطقه پرآشوب غرب آسیا، راهکارهایی را پیشنهاد می نماید که می تواند مانع از تبدیل اختلاف مذهبی و قومی به نفرت و خشونت گردد.

برق کالایی منحصربه فرد است که پیش بینی آن به دلیل ویژگی های متمایز و متفاوت آن، کاری دشوار و چالش برانگیز است. از طرفی پیش بینی دقیق آن برای فعالان حاضر در بازار برق بسیار حائز اهمیت است؛ چراکه می تواند در کاهش سطح ریسک، افزایش سود اقتصادی و پایداری سیستم قدرت مؤثر باشد. در ادبیات پیش بینی قیمت برق، از میان مدل های مختلفی که برای پیش بینی وجود دارد، مدل های مبتنی بر یادگیری ماشین به سبب توانایی آن ها در الگو کردن رفتار غیرخطی داده های بازار برق و اجرای آسان و عملکرد مناسب آن ها، به سایر مدل ها ترجیح داده می شوند. در سال های اخیر نیز، تأکید بر اهمیت تعداد لایه های پنهان در ساختار مدل های یادگیری ماشین، منجر به شکل گیری گرایش یادگیری عمیق شده است. از طرفی عملکرد مدل های یادشده تحت تأثیر انتخاب بهینه زیرمجموعه ویژگی ها و نیز تنظیمات مناسب هایپرپارامتر ها است. از این رو مطالعه حاضر با هدف پیش بینی قیمت ها در بازار برق ایران، با استفاده از تکنیک های انتخاب ویژگی بهینه و بهینه سازی هایپرپارامترها، دو مدل مبتنی بر یادگیری عمیق از نوع شبکه های عصبی عمیق و حافظه های طولانی کوتاه مدت ارائه می دهد و دقت آن ها را با یکدیگر مقایسه می کند. نتایج نشان دهنده برتری مدل ترکیبی مبتنی بر حافظه های طولانی کوتاه مدت بر دیگری است.