الگوریتم

ام روزه فعالیت ه ای شهری، رف ت و آم دها و ارتباطات سطح یه شهر به میزان زیادی تغییر ک رده و ای ن تغیی رات بدون توجه به شرایط زیست محیطی و محیط مطلوب انسانی بوده است به گونه ای که مشکلات زی ادی را به ویژه برای انسان ها فراهم آورده است. در گذش ته طراح ی مس یر ه ا، فضاها و ارتباطات مکانی به گونه ای بوده که اهمی ت ویژه ای به انسان ها به عنوان استفاده کنندگان اص لی در نظر داشته است جنبش پیاده راه سازی به عنوان یکی از راهبردهای بهبود کیفیت محیط شهری محسوب می شود این پژوهش با هدف ارائه الگوی پیاده راه سازی شهری در سطح شهر خرم آباد با رویرکردی از نظر هدف کاربردی و از نظر روش شناسی پژوهش توصیفی تحلیل متکی بر مطالعات مدلی و نرم افزار انجام پذیرفته است برای دستیابی به هدف 20 شاخص در 4 دسته از طریق الگوریتم درخت پوشای مینیمم MST در محیط نرم افزار Matlab 2016 استفاده گردیده است و برای فضایی سازی شاخص ها از فرآیند تحلیل شبکه (Network Analyst Tools) در محیط نرم افزار ArcGIS استفاده شده است. نتایج نشان می دهند که 11758591.7 متر مربع یعنی 29.43 درصد از مساحت بافت شهر خرم آباد دارای وضعیت کاملا مناسب، برای احداث پیاده راه است همچنین تحلیل فضایی شهر خرم آباد نشان می دهد که 5 مسیر بهینه برای توسعه پیاده راه سازی این شهر شامل 1: حد فاصل میدان 22 بهمن بلوار ولایت بلوار 60 متری بلوار شرق به سوی کوی انقلاب، 2: خیابان شهید مطهری، چهار راه بانک بلوار شریعتی، خیابان اسد آبادی و میدان مجاهدین اسلام، 3: میدان امام خمینی تا میدان امام حسین(ع) میدان شقایق، 4: خیابان امام و علوی، خیابان کریم خان زند و 5: بلوار بهارستان، بزرگ مهر و بلوار ایران زمین است.

در روزگار کنونی، کاربرد فناوری های مربوط به هوش مصنوعی در علوم جنایی حقوق محور، جایگاه قابل توجهی پیدا نموده است. در عرصه حقوق کیفری ماهوی، مباحثی هم چون تعیین مسئولیت کیفری در اثر جرایم ناشی از عملکرد ربات ها یا خودروهای خودران جزء جذاب ترین و البته پرمناقشه ترین مباحث این رشته می باشد. در عرصه حقوق کیفری شکلی نیز استفاده از این فناوری در مراحل پنج گانه رسیدگی های کیفری محل گفت وگو و البته تردیدهای بسیار است. پرسش اصلی تحقیق پیش رو آن است که آیا فناوری های مرتبط با هوش مصنوعی در امر کشف و تعقیب کیفری قابلیت اعمال دارد یا خیر و در فرض اعمال چه چالش هایی پیش روی آن است؟ نتایج پژوهش حاضر حکایت از آن دارد که فناوری های مرتبط با هوش مصنوعی امروزه در بسیاری از کشورها متناسب با اقتضائات مراحل مختلف دادرسی کیفری و با در نظر گرفتن اقتضائات هر جرم، به نقش آفرینی می پردازد. ازحیث کشف و تعقیب جرم، انواع ابزارهای پلیسی پیش بینی زمان و مکان جرم و فناوری های مربوط به تشخیص چهره (FRT) با هدف تسهیل اقدامات پلیسی و حرکت از پلیس "واکنشی" به پلیس "پیش گیرانه" در بسیاری از نقاط اروپا و ایالات متحده توسعه یافته و مستقر شده اند. آن چه باعث می شود در عرصه حقوق کیفری شکلی به طور کلی و در مرحله کشف و تعقیب جرم به طور خاص قدم ها با آهستگی بیشتری به سمت گسترش استفاده از این فناوری برداشته شود وجود چالش هایی هم چون نقض حریم خصوصی و آزادی شهروندان، نقض فرض برائت و خطر نظا می شدن عدالت کیفری می باشد. نویسندگان معتقدند استفاده از فناوری هوش مصنوعی در عرصه کشف و تعقیب جرایم مفید و ضروری و در راستای مقابله حداکثری با پدیده بزهکاری می باشد، اما، در این خصوص نباید دچار شیفتگی شویم، استفاده از این فناوری در مراحل مهم کشف و تعقیب جرایم تا اندازه ای قابل توصیه می باشد که با اصول راهبردی حاکم بر دادرسی کیفری و هم چنین حقوق و آزادی های افراد در تعارض نباشد. در این رابطه، تنظیم گری و وضع قوانین خاص می تواند تا اندازه ای از دغدغه های پیش رو بکاهد. به همین دلیل است که ضرورت تنظیم گری هوش مصنوعی به شکل گسترده ای مخصوصاً در منطقه اروپا در حال بحث و بررسی می باشد. در این رابطه نیز گزارش ها و رهنمودهای راهبردی پیش بینی و منتشر گردیده است.

رشد بازار سرمایه با سرعت چشمگیری در حال افزایش است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید پیش بینی آینده بازار شده است. مدلهای پیش بینی در سه دسته قابل طبقه بندی هستند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از داده کاوی و یادگیری ماشین استفاده می کنند. در پژوهش پیش رو با تمرکز بر روش داده کاوی به مقایسه دقت مدل های منتخب یادگیری ماشین شامل شبکه عصبی، رگرسیون لجستیک، نزدیک ترین همسایه k، ماشین بردار پشیبان و اعتبارسنجی ضربدری جهت پیش بینی قیمت سهام برای 12 شرکت منتخب بورس اوراق بهادار تهران که از طریق روش حذف سیستماتیک انتخاب شده اند در قالب مدلهای یادگیری ماشین پرداخته و نتایج این مقاله نشان داد از بین الگوریتمهای یادگیری ماشین، الگوریتم ماشین بردار پشتیبان بیشترین قدرت پیش بینی کنندگی در قیمت سهام را به خود اختصاص داده است. کلمات کلیدی: بورس اوراق بهادار، پیش بینی؛ قیمت سهام، الگوریتم، یادگیری ماشینکد طبقه بندی JEL: C8،G1

معماران شهری به منظور طراحی فضاهای عمومی و اختصاصی در شهرها بدنبال پیاده سازی سیستم های ساده و جدید جهت افزایش ایمنی در سایت های ساختمانی هستند. ارائه زیرساخت فیزیکی مناسب در کارگاه های شهری که بتواند سلامت و ایمنی کارگران، محیط زیست شهری و بهره وری عملکرد کارگاه را تضمین کند یکی از چالش های مهم در طراحی و تجهیز سایت های ساختمانی در یک شهر ایمن است. این پژوهش با هدف بهبود ایمنی و بهینه کارگاه های ساختمانی شهری از الگوریتم بهینه سازی کلونی مورچگان استفاده می کند. این الگوریتم که مبتنی بر تکرار است از نشانگرهای مورچه های مصنوعی که از فرومون مورچه های طبیعی الهام گرفته است برای انتخاب بهینه ترین طراحی و چیدمان تسهیلات کارگاهی استفاده می کند. این امر با استفاده از اطلاعات اکتشافی مبتنی بر هزینه جریان و هزینه جابجایی در بازه های مختلف زمانی صورت می گیرد. این الگوریتم با تعیین رابطه غالب بین پاسخ ها که پارامتر کلیدی برای جستجوی الگوریتم است عمل می کند. روش پژوهش توصیفی اکتشافی و از نوع مطالعه موردی در یک کارگاه ساختمانی می باشد که می توان مدل را با فرض پارامترهای مناسب محقق کرد. در این کارگاه ساختمانی شهری، توسط الگوریتم مورچه های مصنوعی برای چیدمان ایمن و بهینه تسهیلات ساختمانی 4 سناریو ارائه شد که بهینه ترین طراحی، سناریو شماره 1، با توجه به هزینه مینیمم 2496 بهترین مورد جهت چیدمان تسهیلات پویا نتیجه گیری گردید.

یکی از زمینه های کاربرد بینایی ماشین، ردیابی شیء متحرک می باشد. ردیابی شیء متحرک به صورت بلادرنگ فرآیندی است که طی آن موقعیت یک شیء متحرک در هر لحظه از زمان تعیین می شود. بدین منظور در این مقاله با یک رویکرد عملی که منجر به تولید محصول و با استفاده از کتابخانه OpenCV در محیط برنامه نویسی Visual C++ می شود، تلاش شده است تا یک شیء را در فریم های متوالی و با استفاده از یک دوربین Pan Tilt Zoom که دوربینی با یک پلتفرم دو درجه آزادی است، به صورت بلادرنگ ردگیری شود. لذا با توجه به این که هدف از این تحقیق پیاده سازی فرمول های ریاضی و مطالب ارائه شده به کدهایی است که به راحتی قابل استفاده در محصولات نظارتی و امنیتی باشند به بررسی یک الگوریتم مبتنی بر هیستوگرام به نام Kernel Base Object Tracking پرداخته و عملکرد آن با الگوریتم پرکاربرد Normalized Cross Correlation که مبتنی بر ضریب همبستگی آماری می باشد، مقایسه شده است. و مشخص گردید که عملکرد الگوریتم  Kernel Baseبرای نشان دادن شیء مورد تعقیب با محیط پس زمینه کاملاً متمایز بسیار بهتر از الگوریتم Normalized شده می باشد.

هوش مصنوعی سامانه ای است که می تواند واکنش هایی مشابه رفتار هوشمند انسانی داشته باشد، شرایط پیچیده را درک کند، فرآیند تفکری را شبیه سازی کرده و کسب دانش کند و برای حل مسئله استدلال کند و در نهایت محصول جدیدی به بار آورد. گاهی آدمی این فناوری را به عنوان ابزاری برای ساخت اختراع خود بکار می گیرد و گاهی خود هوش مصنوعی به صورت مستقل دست به اختراع می زند؛ اختراعی که اگر توسط انسان به وجود می آمد تحت حمایت نظام حق اختراع قرار می گرفت. مسئله این است که اگر هوش مصنوعی چه به عنوان ابزار و چه به صورت مستقل، نقشی ایفا کند آیا اختراع به وجود آمده قابل حمایت است؟ اگر پاسخ مثبت باشد، دارنده حق کیست؟ در این جستار با روش تبیینی – تحلیلی به این پاسخ دست یافته ایم که در فرض یکم بکارگیرنده هوش مصنوعی مالک اختراع بوده اما در فرض دوم مالکیت در دامنه عموم قرار می گیرد.

پتانسیل سیل خیزی عبارت از تعیین و توصیف مناطق دارای پتانسیل ازنظر رواناب های سطحی است درواقع با تعیین محل های دارای پتانسیل بالا به نوعی می توان یک ارزیابی کلی از وضعیت سیل خیزی منطقه نیز به دست آورد . روش پژوهش حاضر، با توجه به ماهیت مسئله و موضوع موردبررسی، از نوع توصیفی - تحلیلی است و از نوع مطالعات کاربردی با تأکید بر روش های کمی است، در تحقیق حاضر تغییرات منطقه ای سیلاب در حوضه آبخیز گرگانرود با کارگیری اطلاعات ایستگاه های سازمان هواشناسی (سینوپتیک) با دوره ﺁماری 30 ساله 1368 تا 1397 کاربری اراضی، پوشش گیاهی، شاخص رطوبت توپوگرافیک، شیب، ارتفاع، لیتولوژی زمین، فاصله از رودخانه، تراکم رودخانه، فرسایش، خاکشناسی، رواناب، داده های شبیه سازی شده میانگین بارندگی حاصل از مدل HadCM3 در LARS-WG تحت سناریو SRA1B بین سال های 2011 تا 2045 برﺁورد شده است. در این تحقیق در دو بخش متفاوت که در روش اول از مدل LARS-WG برای ریز مقیاس نمائی جهت پیش بینی اقلیم آینده (نزدیک و دور) و در بخش دوم از مدل هیدرولوژیکیSWAT برای ارزیابی خطر سیل استفاده استفاده شد و با توجه به درصد خطرات احتمالی در حوزه آبریز گرگانرود در محیط نرم افزار SWAT وGIS پهنه بندی گردید. پهنه بندی خطر سیلاب حوضه آبخیز گرگانرود نشان می دهد بیشتر سطح حوضه برابر 89 درصد در معرض خطر سیلاب شدید واقع شده است. نتایج نشان داده اند که تغییر اقلیم و ساختار محیط طبیعی در منطقه پیامدها و اثراتی ازجمله تغییر الگوی بارش، به وجود آمدن ناهمگنی در سری داده های تاریخی، تغییر سطح آب رودخانه ها و کاهش تولیدات کشاورزی، تغییر در ترکیب و تولید گیاهی مراتع، تغییر سطح آب های زیرزمینی، بروز مشکلات اجتماعی و اقتصادی و ... بوجود آورده است. عوامل فیزیوگرافی همچون شیب، بافت خاک، کاربری اراضی و نفوذپذیری سنگ ها موجب پاسخ های هیدرولوژیکی متفاوت به رخداد بارش در حوضه های مختلف منطقه شده و این امر بر ایجاد و ویژگی های سیلاب ناگهانی تأثیرگذار بوده است.

بحث از مسئولیت مدنی ناشی از زیان های الگوریتمی، که بیشتر با عنوان مسئولیت مدنی یا مسئولیت برخاسته از کاربرد هوش مصنوعی بررسی شده است، در ادبیات حقوقی نوپاست. الگوریتم های متفکر به دلیل ویژگی های منحصربه فرد خودآموزی، تصادفی بودن، پیش بینی ناپذیری و خودمختاری، درصورت بروز ضرر و زیان، نظام مسئولیتی ویژه ای می طلبند. نظریه عمومی قابلیت انتساب می تواند در چنین موارد نوپدیدی راهگشا باشد؛ وانگهی دردست داشتن معیار و استانداردی شفاف و عمل گرایانه برای مقایسه الگوریتم زیانبار با دیگر موارد مشابه، برای تعیین متعارف عمل کردن آن، با چالش هایی همراه است. تعیین حدود و ثغور مفهوم الگوریتم های متعارف، به لحاظ ناشناخته بودن و پیچیدگی های ذاتی آن ها، لازم است. این پژوهش با بررسی موانع موجود، بازشناسی الگوریتم های معقول و متعارف را با معیاری ترکیبی دنبال می کند، معیاری که ضمن ایجاد انگیزه برای فضاهای فنّاورانه و نوآور، جبران خسارات زیان دیدگان، بهبود سطح ایمنی الگوریتم ها و انعطاف پذیری شایسته برای مواجهه با نسل های جدیدی از فنّاوری را تحقق بخشد. بازخوانی نظریه قابلیت استناد عرفی در وادی الگوریتم هایی با کارایی متعارف و معقول و نیز متناسب سازی این اندیشه جهان شمول، در برخورد با زیان های برخاسته از کاربرد الگوریتم های متفکر، برآیند اصلی تلاش نویسندگان در این نوشتار است.