مجید محمدپور

ناشر: LAMBERT Academic Publishing

توضیحات: ISBN: 978-613-9-89702-5

ناشر: Spriner Science +Busine ss Media, LLC, part of Springer Nature 2018

توضیحات: ارائه به نام دانشگاه: Young Researche and Elite Club, Yasooj Branch, Islamic Azad University, Yasooj, Iran. نویسندگان مقاله به ترتیب: Hamid Parvin, Samad Nejatian, Majid Mohammadpour - نوع مقاله: ISI - ضریب تاثیر: 1.904

ناشر: International Journal of Bio-Inspired Computation 2018 Vol.12 No.3

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نویسندگان مقاله به ترتیب: Majid Mohammadpour; Hamid Parvin; Milad Yasrebi; Arash Eskandar-Baghban; نوع مقاله: ISI - ضریب تاثیر: 1.935

ناشر: Journal of Advances in Computer Research

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی - لیست نویسندگان به ترتیب از چپ به راست:: Majid Mohammadpour; Hamid Parvin ; Ali Chamkoori

ناشر: Journal of Advances in Computer Research

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی - لیست نویسندگان به ترتیب از چپ به راست: Majid Mohammadpour – Hamid Parvin

ناشر: Journal of AI and Data Mining

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی- Vol 6, No 1, 2018 - لیست نویسندگان به ترتیب از چپ به راست: Majid Mohammadpour – Hamid Parvin – Majid Sina

ناشر: مجله مدلسازی در مهندسی دانشگاه سمنان

توضیحات: نوع مقاله: علمی پژوهشی - لیست نویسندگان به ترتیب: مجید محمدپور، حمید پروین

ناشر: مجله مهندسی برق دانشگاه تبریز

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی - لیست نویسندگان به ترتیب: مجید محمدپور، حمید پروین

ناشر: مجله مهندسی برق دانشگاه تبریز

توضیحات: ارائه به نام دانشگاه: باشگاه پژوهشگران و نخبگان دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی - یست نویسندگان به ترتیب: حمید پروین، مجید محمدپور، روح اله امیدوار - جلد 47 ، شماره 3، پاییز 1396

ناشر: مجله مهندسی برق دانشگاه تبریز

توضیحات: ارائه به نام دانشگاه: دانشگاه آزاد اسلامی واحد یاسوج - نوع مقاله: علمی پژوهشی- لیست نویسندگان به ترتیب: مجید محمدپور، حمید پروین- جلد، شماره و سال چاپ: جلد 46- شماره 3 -پاییز 1395

ناشر: اولین کنفرانس بین المللی بازیابی تعاملی اطلاعات

توضیحات: نوع مقاله: اولین کنفرانس بین المللی بازیابی تعاملی اطلاعات - لیست نویسندگان به ترتیب: سجاد منطقي - دانشگاه فني و حرفه اي آموزشكده فني پسران واحد ياسوج مجيد محمدپور - باشگاه پژوهشگران و نخبگان، دانشگاه آزاد اسلامي، واحد ياسوج زكيه سادات بزرگواري - معاونت فناوري اطلاعات، وزارت آموزش و پرورش احمد نقي زاده باي - معاونت فناوري اطلاعات وزارت امور اقتصاد و دارايي

ناشر: کنفرانس بین المللی پژوهش هاي نوین در مهندسی برق و کامپیوتر و مهندسی پزشکی

توضیحات: لیست نویسندگان به ترتیب: مجید محمدپور - دانشگاه آزاد اسلامی واحد یاسوج سیدجلال الدین غریبی کریک - دانشگاه فنی و حرفه ای واحد یاسوج سیدعنایت الله غریبی کریک - دانشگاه آزاد اسلامی واحد بوشهر حمید پروین - دانشگاه آزاد اسلامی واحد یاسوج

ناشر: اولین کنفرانس ملی الگوریتم¬های فراابتکاری و کاربردهای آن در علوم و مهندسی

توضیحات: لیست نویسندگان به ترتیب: روح اله امیدوار - مرکز آموزش عالی علمی کاربردی جهاد دانشگاهی یاسوج مجید محمدپور - علوم و تحقیقات کهگیلویه و بویراحمد

ناشر: کنفرانس بین المللی پژوهش هاي نوین در مهندسی برق و کامپیوتر و مهندسی پزشکی

توضیحات: سیدجلال الدین غریبی کریک - دانشگاه فنی و حرفه ای واحد یاسوج سیدعنایت الله غریبی کریک - دانشگاه آزاد اسلامی واحد بوشهر مهرداد موحدپور - دانشگاه فنی و حرفه ای واحد یاسوج مجید محمدپور - دانشگاه آزاد اسلامی واحد یاسوج

ناشر: نشریه پردازش علائم و داده‌ها

توضیحات: نویسندگان مقاله: وحیده رضائی، مجید محمدپور، حمید پروین، صمد نجاتیان

ناشر: fundamenta-informaticae

توضیحات: Journal: Fundamenta Informaticae, vol. 176, no. 1, pp. 79-102, 2020 Received January 2018 | March 2020 | Published: 31 October 2020

ناشر: Volume 10, Issue 38 - Serial Number 38 Winter 2021

ناشر: Fundamenta Informaticae

توضیحات: نویسندگان Hamidd Zhao, Chenyuea | Alizadeh, Hosein | Minaei, Behrouz | Mohamadpoor, Majid | Parvin, M * | Mahmoudi

ناشر: The International Journal of Research on Intelligent Systems for Real Life Complex Problems

ناشر: NASHRIYYAH -I MUHANDISI -I BARQ VA MUHANDISI -I KAMPYUTAR -I IRAN

توضیحات: Special conditions of wireless sensor networks, such as energy limitation, make it essential to accelerate the convergence of algorithms in this field, especially in the distributed compressive sensing (DCS) scenarios, which have a complex reconstruction phase. This paper presents a DCS reconstruction algorithm that provides a higher convergence rate. The proposed algorithm is a distributed primal-dual algorithm in a bidirectional incremental cooperation mode where the parameters change with time. The parameters are changed systematically in the convex optimization problems in which the constraint and cooperation functions are strongly convex. The proposed method is supported by simulations, which show the higher performance of the proposed algorithm in terms of convergence rate, even in stricter conditions such as the small number of measurements or the lower degree of sparsity.

ناشر: Ieee explorer

ناشر: NASHRIYYAH-I MUHANDISI-I BARQ VA MUHANDISI-I KAMPYUTAR-I IRAN, B-MUHANDISI-I KAMPYUTAR

ناشر: IEEE

توضیحات: Abstract: A fundamental challenge in virology research lies in effectively detecting malicious code. N-gram analysis has become a cornerstone technique, but selecting the most informative features, especially for longer n-grams, remains crucial for efficient detection. This paper addresses this challenge by introducing a novel feature extraction method that leverages both adjacent and non-adjacent bi-grams, providing a richer set of information for malicious code identification. Additionally, we propose a computationally efficient feature selection approach that utilizes a genetic algorithm combined with Boosting principles. Our experimental results show that this detection system significantly outperforms existing methods in virus detection accuracy.

ناشر: Springer London

توضیحات: The Particle Swarm Optimization (PSO) algorithm faces several inherent challenges when applied to dynamic and large-scale optimization problems. These challenges encompass the issues of outdated particle memory, inadequate scalability in high-dimensional search spaces, the incapability to detect environmental changes, a continual trade-off between exploration and exploitation, and the potential loss of population diversity within the problem space. To address these challenges, we propose a novel hybrid PSO algorithm, denoted as Parent–Child Multi-Swarm Clustered Memory (PCSCM).