با گسترش روزافزون شبکه های محلی بی سیم، بهبود عملکرد آنها با توجه به محدودیت های ذاتی این شبکه ها اهمیت فراوانی یافته است. از آنجا که گره های شبکه از کانال مشترک استفاده می کنند، یک مکانیسم کارآی کنترل دسترسی به رسانه(mac) می تواند تاثیر فراوانی در عملکرد شبکه داشته باشد. از طرفی در طراحی مکانیسم کنترل دسترسی، علاوه بر افزایش توان گذردهی شبکه، بایستی رعایت عدالت بین ایستگاه های فعال نیز مد نظر قرار گیرد. idlesense یک روش کنترل دسترسی به کانال است که هر دو پارامتر فوق را در حد قابل قبولی بهبود می دهد. در این روش اندازه پنجره رقابت (cw) در هر گره با توجه به تعداد شکاف های خالی مشاهده شده تنظیم می شود. عیب این روش این است که برای افزایش یا کاهش cw از ضرایب ثابت استفاده می کند. این امر موجب می شود کنترل گر تحت شرایط مختلف واکنش دقیقی نشان ندهد. در این پژوهش دو روش برای بهبود کارآیی و میزان رعایت عدالت میان گره ها ارائه شده است. روش اول، یک روش فازی برای کنترل دسترسی به کانال ارائه می کنیم که با استفاده از افزودن عدم قطعیت توان گذردهی شبکه و عدالت بین گره های فعال را بهبود می دهد. در روش دوم نیز از تئوری کنترل برای بدست آوردن ضرایب متغیر با توجه به اندازه خطا استفاده شده است. نتایج شبیه سازی، کارآیی روش های پیشنهادی را در مقایسه با روش های موجود نشان می دهد.

گسترش روابط بین المللی در جهان امروز و تفاوت های فرهنگی و زبانی موجود باعث افزایش نیاز به ایجاد ارتباط بین زبان ها شده است. مهم ترین ابزار برای ایجاد این ارتباط ترجمه است. ترجمه ماشینی در جهت خودکارسازی عمل ترجمه بکار برده می شود. عمل ترجمه ماشینی انگلیسی به فارسی با مشکلات متعددی مواجه است. برای کاهش این مشکلات راهکارهایی در این پایان نامه ارائه می شود. یکی از مشکلات شایع در ترجمه ماشینی عدم استفاده صحیح از افعال می باشد. در این پژوهش پایگاه داده ای از افعال حوزه فاوا به همراه ترجمه فارسی، زمان های این افعال و ساختارهای ظرفیتی نحوی آن ها تهیه شد. سپس از این پایگاه داده برای ترجمه مناسب افعال استفاده گردید. همچنین از ساختارهای ظرفیتی نحوی افعال فارسی برای ایجاد ساختار مناسب جمله در زبان فارسی بهره برده شد. برای افزایش کیفیت ترجمه، واژگان جمله ابهام زدایی شدند. برای مقایسه کیفیت روش پیشنهادی، خروجی این روش با google translate مقایسه گردید. نتایج نشان دهنده بهبود کیفیت ساختاری و محتوایی ترجمه ارائه شده بود. در نهایت محصولی تولید گشت که می تواند در ترجمه ماشینی انگلیسی به فارسی استفاده گردد.

شناسایی حالات چهره، چالشی بزرگ برای ارزیابی ضعف های شماری از بیماران عصبی از جمله بیماران اسکیزوفرنیک می باشد. ارائه رویکردی خودکار جهت ارزیابی حالات چهره هدف اصلی بسیاری از کاربردهای بینایی ماشین است. در این پایان نامه رویکردی خودکار برای شناسایی حالات چهره از داده های ویدئویی ارائه می شود که تفاوت های بروز حالات چهره را مابین بیماران اسکیزوفرنیک و افراد سالم بررسی می کند. حالت چهره مورد بررسی عبارتنداز سه حالت پایه عصبانیت، شادی و غم. ردیابی و استخراج ناحیه چهره و چشم در فریم های ویدئو توسط الگوریتم وایولاجونز صورت می گیرد. شناسایی حالات چهره مبتنی بر ویژگی های استخراجی از ناحیه چشم انجام می پذیرد. ویژگی مبتنی بر بافت نتیجه استخراج ویژگی از پاسخ فیلتر گابور بر ناحیه چشم می باشد. همچنین از ویژگی های مبتنی بر شکل و ویژگی زمانی نیز استفاده می کنیم. به منظور دسته بندی حالات چهره از روش svm با هسته غیر خطی استفاده کرده ایم. از آنجایی که یکی از جنبه های تفاوت حالات چهره بیماران اسکیزوفرنیک با افراد سالم در شدت فعالیت ناحیه چهره در حین بروز حالت می باشد، به منظور تخمین شدت بروز حالت از روش رگرسیون svr استفاده می کنیم. در این پایان نامه رویکردی جدید برای تخمین شدت بروز حالات چهره مبتنی بر روش رگرسیون svr بر ناحیه چشم ارائه می شود. از طریق ارزیابی آماری بر نتایج خروجی حاصل از روش رگرسیون، به اطلاعات تکمیلی در خصوص نحوه بروز هر حالت دست می یابیم. پایگاه های داده مورد بررسی حالات چهره برای افراد سالم در این پایان نامه عبارتنداز: cohn شامل حالت مصنوعی چهره و fgnet شامل حالات طبیعی چهره می باشند. به منظور بررسی حالات چهره بیماران اسکیزوفرنیک به دلیل عدم وجود پایگاه داده، اقدام به ایجاد پایگاه داده ای مبتنی بر مصاحبات انجام شده با بیماران اسکیزوفرنیک نمودیم. در مرحله نهایی، به منظور جداسازی حالات چهره بیماران اسکیزوفرنیک از حالات چهره افراد سالم، از نتایج خروجی تخمین شدت بروز حالت به عنوان ویژگی در کنار سایر ویژگی های استخراج شده استفاده نمودیم. توسط دسته بند svm به دقت 98.76% در جداسازی حالات چهره بیماران اسکیزوفرنیک از افراد سالم دست یافتیم.