Mansoorm_Courses

DynamicCluStream: An algorithm Based on CluStream to Improve Clustering Quality


https://ijwr.usc.ac.ir/article_195498.html

#عمومی #علمی #مقاله

مقاله پژوهشی آقایان حسین شکیبانیا، سینا رئوفی و بهنام پوراخم با مشخصات فوق پذیرفته و منتشر شد. به ایشان تبریک می گویم و برای ایشان سلامتی و توفیق روزافزون آرزومندم.

لینک مشاهده و دانلود متن کامل مقاله

#عمومی #علمی #پژوهشی #مقاله #تبریک

سایه نویس Ghost Writer, Shadow Writer
سایه نویسی یکی از گمراهی های علمی است که در آن شخصی مطلبی می نویسد و آن را به نام شخص دیگر منتشر می کند. در روزگار ما سایه نویسی در قالب پایان نامه نویسی و مقاله نویسی رایج شده است که در آن تمام یا بخشی از این دو اثر علمی توسط شخصی غیر از مولفان ثبت شده اثر نوشته می شود. این کار ضمن اعطای عناوین و درجات علمی نامشروع به مولفان این آثار تبعات دیگری نیز دارد. به حاشیه رفتن پژوهشگران و دانشمندان اصیل، توسعه و تکثیر موسسات آموزشی فاقد نیروی علمی و انجام پژوهش های سطحی و عمدتا نظری در مراکز غیررسمی از آن جمله هستند. بعید نیست قدرت شبکه سازی فعالان در زمینه سایه نویسی روزی به اینجا برسد که مجلات علمی و پژوهشی راه اندازی کنند و از طریق ارجاعات مهندسی شده برای این مجلات نمایه و اعتبار هم بسازند.

یکی از نکات نگران کننده، ورود دانشجویان و فارغ التحصیلان دانشگاه ما به این حیطه است که بعضا به صورت ناخودآگاه هم انجام می شود. بسیاری از رشته های دانشگاهی در پایان نامه های مقاطع تحصیلات تکمیلی نیاز به شبیه سازی های کامپیوتری و برنامه نویسی دارند. به دلیل عدم تسلط دانشجویان این رشته ها به مباحث یاد شده، معمولا اینکار را به دانشجویان کامپیوتر می سپارند. تا جایی که ایده متعلق به پژوهشگر اصلی و صاحب اثر باشد، اینکار با ذکر نقش دانشجوی همکار ،چهره علمی دارد و قابل دفاع است. مثلا شخصی الگوریتم ویژه ای برای بهینه سازی چند هدفه ارائه داده است اما در پیاده سازی آن با پایتون مهارت ندارد. او می تواند از یک شخص مسلط به زبان پایتون برای اینکار کمک بگیرد. چنانچه نقش و نوع همکاری شخص دوم را در حداقل در بخش تقدیر و تشکر گفته باشد؛ می تواند با استناد به تخصصی بودن خدمت مورد نظر، ارزش علمی کار خود را حفظ کند. چنانچه اینکار صورت نگیرد، یک گمراهی علمی رخ داده و صاحب اثر متقلب و شخص همکار هم در تقلب او سهیم است.
توصیه می کنم شما دانشجویان عزیز علاوه بر دستمزدی که برای انجام خدمات تخصصی کامپیوتری مطالبه می کنید، این موضوع را هم جدی بگیرید و در هر پروژه ای تاکید و قید کنید که نقش شما باید به رسمیت شناسایی شود. بهترین کار این است که در همان فصل پایان نامه که از خدمات شما استفاده شده، به صورت زیرنویس به نام و نقش شما اشاره شود. همچنین ذکر این موضوع در بخش تقدیر و تشکر ابتدای پایان نامه هم کافی است.

#عمومی #علمی #آموزشی #نکته #اخلاق_علمی #مقاله #پایان_نامه

چطور یک مقاله بد بنویسیم !؟

As Editor I have from time to time in this column offered advice to authors on the desirable elements of a good research report. Like contrary children, for some authors such advice seems to vanish like smoke in a wind. So I take here a different approach, based on the idea that some folks have a knack for doing the opposite of what is recommended to them (like contrary children). I present some guidelines for how to prepare a research report that is variously boring, confusing, misleading, or generally uninformative. Whether the author’s project is imaginative (or not) and the experiments are done with skill (or not) and the data are scientifically meaningful (or not) is irrelevant. My advice is solely based on principles of presenting the objectives, experiments, results, and conclusion in a fashion that as such no one will finish reading them or, if they do, readers will have little chance of understanding or remembering them. Like any form of skillful writing, following the rules below for awful writing requires practice and a lack of mental concentration.

Rule 1. Never explain the objectives of the paper in a single sentence or paragraph and in particular never at the beginning of the paper.
Rule 2. Similarly, never describe the experiment(s) in a single sentence or paragraph and never at the beginning. Instead, to enhance the reader’s pleasure of discovery, treat your experiment as a mystery, in which you divulge one essential detail on this page and a hint of one on the next and complete the last details only after a few results have been presented. It’s also really fun to divulge the reason that the experiment should successfully provide the information sought only at the very end of the paper, as any good mystery writer would do.
Rule 3. Diagrams are worth a thousand words, so in the interest of writing a concise paper, omit all words that explain the diagram, including labels. Let the reader use his/her fertile imagination.
Rule 4. Great writers invent abbreviations for complex topics, which also saves a lot of words. Really short abbreviations should be used for very complex topics, and more complicated ones for simple ideas.
Rule 5. In referring to the previous literature, be careful to cite only the papers that make claims that would support your own, especially those that contain little evidence for the claim, so that your paper shines in comparison.
Rule 6. It should be anathema to use any original phrasing or humor in your language, so as to adhere to the principle that scientific writing must be stiff and formal and without personality.
Rule 7. Your readers are intelligent folks, so don’t bother to explain your reasoning in the interpretation of the results. Especially don’t bother to point out their impact on or consistency with other authors’ results and interpretation, so that your paper can be an island of original thinking.
So these are a few simple rules for poor scientific writing. If you follow them faithfully and your paper is rejected or never cited, irrespective of your native brilliance, you have nonetheless been successful as a poor writer.


Reference: Murray, Royce, ed. "Skillful writing of an awful research paper." Analytical Chemistry 83.3 (2011): 633-633.

#عمومی #علمی #آموزشی #پژوهشی #مقاله_نویسی #مقاله

بعضی از مجلات هنگام ارسال مقاله از شما می خواهند که خودتان هم داورانی برای کار خودتان معرفی کنید. مزیت عمده این کار برای ما سرعت بخشیدن به فرایند داوری است. داوران را باید طوری انتخاب و معرفی کنید که ضمن داشتن تخصص و انگیزه لازم برای داوری، ارتباط نزدیک ( مانند استاد و دانشجویی، هم دانشکده ای و ...) با شما نداشته باشند و همچنین خودشان در زمینه علمی مورد بحث مقاله تالیفات قابل توجهی داشته باشند.
در این ویدیو احسان فریدونی این موضوع را مورد بحث قرارا داده و راهنمایی های خوبی ارائه داده است.
https://www.youtube.com/watch?v=YRddPKvG6ag

#عمومی #علمی #پژوهشی #مقاله #مقاله_نویسی

Machine Unlearning: A Survey
Machine learning has attracted widespread attention and evolved into an enabling technology for a wide range of highly successful applications, such as intelligent computer vision, speech recognition, medical diagnosis, and more. Yet, a special need has arisen where, due to privacy, usability, and/or the right to be forgotten, information about some specific samples needs to be removed from a model, called machine unlearning. This emerging technology has drawn significant interest from both academics and industry due to its innovation and practicality. At the same time, this ambitious problem has led to numerous research efforts aimed at confronting its challenges. To the best of our knowledge, no study has analyzed this complex topic or compared the feasibility of existing unlearning solutions in different kinds of scenarios. Accordingly, with this survey, we aim to capture the key concepts of unlearning techniques. The existing solutions are classified and summarized based on their characteristics within an up-to-date and comprehensive review of each category’s advantages and limitations. The survey concludes by highlighting some of the outstanding issues with unlearning techniques, along with some feasible directions for new research opportunities.

#علمی #آموزشی #پژوهشی #مقاله

#زکات_علم
کتابچه ای ۴۷ صفحه ای به زبان انگلیسی که مراحل نگارش یک مقاله علمی را به صورت متمایز برای شما توضیح می دهد.
#ابزار_پژوهش #کتاب #مقاله_نویسی

🎯به کانال زکات علم (تجربه نگاری) بپیوندید:
@tajrobenegaran

🔴 @CEITStu

#زکات_علم
کتابچه ای ۴۷ صفحه ای به زبان انگلیسی که مراحل نگارش یک مقاله علمی را به صورت متمایز برای شما توضیح می دهد.
#ابزار_پژوهش #کتاب #مقاله_نویسی

🎯به کانال زکات علم (تجربه نگاری) بپیوندید:
@tajrobenegaran

🔴 @CEITStu

همه چیز درباره چکیده گرافیکی

https://youtu.be/yq0lZyClTig?si=6_VtMn-1VAtFOd9b

#عمومی #علمی #مقاله #مقاله_نویسی

لیست ویدیوهای صفر تا صد مقاله نویسی

کلمات کلیدی مقاله

https://www.youtube.com/watch?v=4FUCjqgI258

#عمومی #علمی #آموزشی #مقاله #مقاله_نویسی

نویسندگان مقاله، ترتیب نام ها و چالش های آن

https://youtu.be/8_hvozTtfao?si=iTHimh4i-0Keb5tz

#عمومی #علمی #آموزشی #مقاله #مقاله_نویسی

آموزش های احسان به بخش 16 نوشتن عنوان مقاله رسید. این ویدیوها را حتما تماشا کنید.
https://www.youtube.com/playlist?list=PLkiBJw9C-wjGU-VBXIq7TgrSVHBlazjQ8
#عمومی #علمی #آموزشی #مقاله #مقاله_نویسی

Today, in natural language processing, labeled data is important, however, getting adequate amount of data is a challenging step. There are many tasks for which it is difficult to obtain the required training data. For example, in machine translation, we need to prepare a lot of data in the target language, so that the work performance is acceptable. We may not be able to collect useful data in the target language. Hence, we need to use few-shot learning. Recently, a method called prompting has evolved, in which text inputs are converted into text with a new structure using a certain format, which has a blank space. Given the prompted text, a pre-trained language model replaces the space with the best word. Prompting can help us in the field of few-shot learning; even in cases where there is no data, i.e. zero-shot learning.


#عمومی #علمی #آموزشی #پژوهشی #مقاله

Scalable and Data-Independent Multi-Agent Recommender System Using Social Networks Analysis


Amin Nazari, Mojtaba Kordabadi, and Muharram Mansoorizadeh


Abstract
Nowadays, many online users find the selection of information and required products challenging due to the growing volume of data on the web. Recommender systems are introduced to deal with information overload. Cold start and data sparsity are the two primary issues in these systems, which lead to a decrease in the efficiency of recommender systems. To solve the problems, this paper proposes a novel method based on social network analysis. Our method leverages a multi-agent system for clustering users and items and predicting relationships between them simultaneously. The information on users and items is extracted from the user-item matrix as distinct graphs. Each of the graphs is then treated as a social network, which is further processed and analyzed by community detection and link prediction procedures. The users are grouped into several clusters by the community detection agent, which results in each cluster as a community. Then link prediction agent identifies the latent relationships between users and items. Simulation results show that the proposed method has significantly improved performance metrics as compared to recent techniques.

Keywords:
Recommender systems, social network analysis,community detection,link prediction,multi-agent systems

#عمومی #علمی #مقاله

Robust Semi-supervised Fake News Recognition by Effective Augmentations and Ensemble of Diverse Deep Learners
Abdulhameed Al Obaid; Hassan Khotanlou; Muharram Mansoorizadeh; Davood Zabihzadeh

Abstract:
Nowadays, most people obtain information from social media networks, where news accompanied by photos and videos attracts readers more than traditional ones. However, these advantages are often misused by some publishers to disseminate fake information rapidly, thereby adversely affecting individuals and societies. Thus, the early detection of fake posts is crucial. Developing an automatic content-based fake news detector is the ideal way to overcome this issue. Given that the generation rate of news in social media is drastic and the labeling of a huge amount of data required by fully supervised models is expensive and time consuming, these models are not beneficial in real applications. To address this limitation, this study presents a semi-supervised method by utilizing an ensemble of diverse deep learners, effective augmentations, and a distribution-aware pseudo-labeling technique. Here, the proposed hybrid loss function enforces the learners to have accurate classification performance while attending to different parts of news content. Moreover, the proposed augmentations enhance the robustness of learners and prevent overfitting effectively. Diverse learners are utilized to annotate the unlabeled posts accurately and update their parameters from the most confident predicted news in a curriculum way, thereby enhancing the quality of pseudo labels and the robustness of the model. Moreover, we utilize encoded sentences from pre-trained transformer models, such as XLNET, and parameter sharing to build light learners on a common deep feature extractor module. Consequently, while the number of parameters is less than that of the existing methods, experiments conducted on three public fake news datasets reveal that the proposed method consistently outperforms state-of-the-art models with different proportions of labeled data across all evaluated datasets.


#عمومی #علمی #مقاله

قابل توجه پژوهشگران علوم و مهندسی کامپیوتر

سه کنفرانس زیر بسیار معتبر بوده و جدیدترین و به روزترین پژوهش های این حوزه را پوشش می دهند.

NeurIPS (NIPS) - Neural Information Processing Systems

CVPR - IEEE/CVF Conference on Computer Vision and Pattern Recognition

ICLR - International Conference on Learning Representations

رتبه بندی منابع مختلف اعم از مجلات و کنفرانس ها را اینجا ببینید:
https://scholar.google.com/citations?view_op=top_venues&hl=en

این رتبه بندی فراتر از رشته علوم و مهندسی کامپیوتر بوده و همه رشته ها را در بر می گیرد.

#عمومی #علمی #مقاله

گراف مقاله
این سایت ارتباط محتوایی مقاله ها را با گراف نمایش می دهد. از این گراف می توانید برای جستجوی میدانی کارهای انجام شده در یک زمینه استفاده کنید:
https://www.connectedpapers.com/main/66a88ddcfa6edf71ab7c1867dc1a383e2486cc7e/Author-Obfuscation-using-WordNet-and-Language-Models/graph

#علمی #مطالعه #پژوهش #مقاله

دقت طبقه بندی شبکه های عمیق نسبت به مدلهای کلاسیک خیلی بالاتر است از این رو همواره انتظار می رود در یک مساله مشخص شبکه عمیق بهتر از مدلهای غیر عمیق اعم از شبکه های عصبی ساده و مدلهای آماری و .... باشد. این قاطعیت اما در رقابت میان خود مدلهای عمیق برقرار نیست. مثلا با اینکه نشان داده شده مدلهای ترنسفورمر برای مسائل پردازش زبان بسیار خوب عمل می کنند اما در برخی مسائل دیگر برتری آنها ملموس نیست. این مقاله نشان می دهد که دقت و پایداری ترنسفورمرها و کانولوشنی ها در پردازش و فهم تصویر به هم نزدیک است:
https://arxiv.org/abs/2207.11347

An Impartial Take to the CNN vs Transformer Robustness Contest
Following the surge of popularity of Transformers in Computer Vision, several studies have attempted to determine whether they could be more robust to distribution shifts and provide better uncertainty estimates than Convolutional Neural Networks (CNNs). The almost unanimous conclusion is that they are, and it is often conjectured more or less explicitly that the reason of this supposed superiority is to be attributed to the self-attention mechanism. In this paper we perform extensive empirical analyses showing that recent state-of-the-art CNNs (particularly, ConvNeXt) can be as robust and reliable or even sometimes more than the current state-of-the-art Transformers. However, there is no clear winner. Therefore, although it is tempting to state the definitive superiority of one family of architectures over another, they seem to enjoy similar extraordinary performances on a variety of tasks while also suffering from similar vulnerabilities such as texture, background, and simplicity biases.

در واقع این یافته هم تایید و تاکید دیگری بر این نکته است که هنوز به درستی نمی دانیم یک مدل عصبی عمیق چه زمانی اشتباه می کند؟ آیا خطاهای آن توزیع مشخصی دارند؟ آیا شبکه همه فضای نمونه را درست یاد گرفته است ؟

#علمی #شبکه_های_عصبی #یادگیری_عمیق #مقاله

متن کامل مقاله را اینجا بخوانید:
https://rdcu.be/clklO
#مقاله #متن_کامل

http://www.ceitconf.ir/fa/

#عمومی #آگهی #کنفرانس #مقاله #فراخوان