در شبکه های جریان تک کالایی، ظرفیت سیستم برابر ماکزیمم مقدار جریان ارسالی از منبع به مقصد تعریف می شود. بدیهی است که ظرفیت سیستم برای یک شبکه جریان قطعی، مقداری ثابت است ولی برای یک شبکه جریان تصادفی (شبکه ای که در آن ظرفیت هر کمان، مقداری تصادفی است) متغیر می باشد. از این رو لازم است اعتمادپذیری سیستم محاسبه گردد. این محاسبه به دو روش انجام می شود: احتمال اینکه ظرفیت سیستم از D بزرگ تر و یا از D کم تر شود که D یک بردار سطح ظرفیت معین می باشد. دو راه مذکور به ترتیب برحسب مسیرهای مینیمال و برش های مینیمال محاسبه می شوند. در این مقاله پس از معرفی تخصیص جریان، با استفاده از خواص برش های مینیمال الگوریتم کارایی برای محاسبه اعتمادپذیری سیستم در حالت کلی، با P نوع کالا، پیشنهاد می گردد. این الگوریتم نسبت به روش ها و الگوریتم های مشابه که از برش های مینیمال استفاده نمی کنند؛ به مراتب کاراتر است.

انتقال سبک یک حوزه تحقیقاتی است که توجه فراوانی را به خود جلب کرده است. این فناوری اجازه می دهد تا سبک یک تصویر را بر روی تصویر محتوا منتقل کنیم. تحقیقات گسترده ای در زمینه انتقال سبک انجام شده است، هدف از آن تسریع در پردازش و یا تولید تصاویر زیبا و با کیفیت بالا است. یکی از کاربرد های این حوزه می تواند در زمینه تولید طرح های زیبا برای چاپ در طراحی کاشی،  فرش و هر صنعتی که به دنبال چاپ طرح هایی است، که بشر توانایی خلق آن را ندارد. در این مقاله یک روش ساده برای انتقال سبک­های چندگانه که به طور تصادفی دوران پیدا کرده­اند، پیشنهاد می شود که منجر به تولید طرح­های خاص­تر نسبت به استفاده از یک سبک برای انتقال می شود. این روش می تواند باعث ایجاد تنوع و کیفیت بالاتری در تصاویر تولید شده گردد، که ارزیابی آن توسط 25 نفر و نظرسنجی از ایشان برای مقایسه بین روش ما و روش های دیگر صورت گرفته است، که در نهایت روش ما بیشترین رای موافق را دریافت نمود. حاصل این پژوهش تسریع در امر خلق آثار را پدید می آورد که می تواند جایگزین خوبی برای طراحی های انسان باشد.

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل های ارائه شده در پژوهش های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه های عصبی عمیق انجام شده است. مدل های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه بندی کرده است. با استفاده از این استراتژی موقعیت های سودآوری در بازار سهام برای کسب سود شناسایی می شود. نتایج نشان داد مدل جنگل های تصادفی دارای خطای طبقه بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد، بنابراین مدل جنگل های تصادفی روش مناسب تری برای استفاده در استراتژی آربیتراژ آماری و کسب سود می باشد.

We address the throughput maximization problem for downlink transmission in DF-relay-assisted cognitive radio networks (CRNs) based on simultaneous wireless information and power transfer (SWIPT) capability. In this envisioned network, multiple-input multiple-output (MIMO) relay and secondary user (SU) equipment are designed to handle both radio frequency (RF) signal energy harvesting and SWIPT functional tasks. Additionally, the cognitive base station (CBS) communicates with the SU only via the MIMO relay. Based on the considered network model, several combined constraints of the main problem complicate the solution. Therefore, in this paper, we apply heuristic guidelines within the convex optimization framework to handle this complexity. First, consider the problem of maximizing throughput on both sides of the relay separately. Second, each side progresses to solve the complex problem optimally by adopting strategies for solving sub-problems. Finally, these optimal solutions are synthesized by proposing a heuristic iterative power allocation algorithm that satisfies the combinatorial constraints with short convergence times. The performance of the optimal proposed algorithm (OPA) is evaluated against benchmark algorithms via numerical results on optimality, convergence time, constraints’ compliance, and imperfect channel state information (CSI) on the CBS-PU link.

Different types of contact, including contact between node pairs, any-contact of nodes, and contacts of the entire network, are used to characterize social relations in mobile social networks. Different modes of routing, from the point of view of message delivery semantics, encompass unicasting, multicasting, any-casting, and broadcasting. Studies have shown that using probability distribution functions of contact data, which is mainly assumed to be homogeneous for nodes, improves the performance of these networks. However, there exists an important challenge in studies on distributions. A lot of works apply the distribution of one type of contact to other types. Hence in routing applications, it causes to use of the distribution of one type of contact for any mode of routing. This study provides a complete solution to model each type of homogeneous contact data distribution and to use them in different modes of routing. We propose a routing algorithm that uses this new model. Results show that our solution improves the average latency of comparing methods Epidemic, TCCB, and DR about 3.5-times, 30%, and 45%, respectively. It achieves a delivery rate of about 5% and 6%, and average latency about 6% and 8% better than that of DR and TCCB, respectively.