رئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522FPGA Implementation of a Multiplier-Free Ternary RNS Reverse Converter for a new 4-Moduli Set {3^n,3^n-2,3^n+2,3^n-1} Using Binary-Encoded Ternary Logic.پیادهسازی FPGA یک مبدل معکوس RNS مبنای سه بدون ضربکننده برای مجموعهی جدید ۴-پیمانهای {3^n, 3^n-2, 3^n+2, 3^n-1} با استفاده از منطق سهحالتهٔ رمزگذاریشدهٔ دودویی.182124710.22034/tjee.2026.67364.5023FAجواداحسنگروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایرانابراهیمفرشیدیعضو هیات علمی/ گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایرانغلامرضااکبری زادهعضو هیات علمی/ گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایرانJournal Article20250519In this paper, we present a novel FPGA-based implementation of a multiplier-free reverse converter for the residue number system (RNS) using a new 4-moduli set {3^n, 3^n-2, 3^n+2, 3^n-1}. The proposed method leverages the unbalanced ternary logic system to achieve efficient residue-to-binary conversion with reduced computational complexity and hardware resource usage. The core architecture eliminates the need for hardware multipliers by exploiting mathematical simplifications and residue properties inherent to the chosen moduli set. Ternary digits are encoded in binary to enable implementation on conventional FPGA platforms. The design is suitable for high-speed applications. Since no comparable ternary RNS reverse converter exists in the current literature, a baseline method was implemented for evaluation. Simulation and synthesis results confirm the efficiency of the proposed design in terms of area, speed, and power consumption, making it a promising solution for low-power, high-performance signal processing and cryptographic systems.این مقاله به ارائه یک پیادهسازی مبتنی بر FPGA از مبدل معکوس RNS بدون استفاده از ضربکننده با مجموعه چهار پیمانه ای جدید {3^n, 3^n-2, 3^n+2, 3^n-1} میپردازد. در روش پیشنهادی، با استفاده از سیستم منطقی مبنای سه نامتعادل، فرآیند تبدیل باقیمانده ها به عدد وزن دار بهصورت بهینه و با حداقل پیچیدگی محاسباتی و مصرف منابع سختافزاری انجام میشود. هسته معماری این سیستم با بهرهگیری از سادهسازیهای ریاضی و ویژگیهای اختصاصی مجموعه پیمانه مورد نظر، نیاز به واحدهای ضرب سختافزاری را مرتفع نموده است. در این طراحی، ارقام مبنای سه به کد های دودویی نگاشت شدهاند تا امکان پیادهسازی آن بر روی پلتفرمهای متداول FPGA فراهم گردد. این ساختار برای کاربردهای با نیاز به پردازش پرسرعت طراحی شده است. با توجه به عدم وجود نمونهای مشابه از مبدل معکوس RNS مبنای سه با مجموعه پیمانه 4 تایی در تحقیقات پیشین، یک روش مرجع جهت مقایسه و ارزیابی عملکرد پیادهسازی گردید. نتایج حاصل از شبیهسازی و سنتز، حاکی از کارایی بالای طرح پیشنهادی در ابعادتراشه، سرعت عملیاتی و مصرف انرژی بوده که آن را به گزینهای مناسب برای سیستمهای پردازش سیگنال و رمزنگاری با کارایی بالا و مصرف توان پایین تبدیل مینماید.https://tjee.tabrizu.ac.ir/article_21247_77e1f1c502b1e2b0017c5830889e14d4.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Time-Series Forecasting of Chaotic Dynamic Signals by Machine Learning Methods for Heart Rate Variabilityپیشبینی سریهای زمانی سیگنالهای دینامیکی آشوبناک با استفاده از روشهای یادگیری ماشین برای تغییرپذیری ضربان قلب9122139210.22034/tjee.2026.66884.5011FAمسیحااصغری نژادگروه آموزش کنترل. دانشکده مهندسی برق و کامپیوتر. دانشگاه کاشان. کاشان. ایرانعلیرضافرجیاستادیار دانشکده مهندسی برق و کامپیوتر دانشگاه کاشانJournal Article20250422Heart rate variability (HRV), obtained from RR intervals in ECG signals, reflects the activity of the autonomic nervous system, which is challenging to forecast due to its nonlinear and chaotic nature. In this paper, labeled ECG signals were first obtained from the Physionet database. Then, fourth-order Butterworth bandpass filter and phase space reconstruction with a sliding window approach were applied to these chaotic signals and trained with four machine learning methods. Since LSTM and CNN showed better performance than other methods due to their temporal and frequency capabilities, respectively, a combined LSTM+CNN method was proposed, which improved the RMSE and R² evaluation criteria and was shown to have the following capabilities: robustness against white and pink noise, the ability to distinguish unlabeled arrhythmia patient signals from healthy signals, and the ability to forecast both healthy and unhealthy HRV signals.تغییرپذیری ضربان قلب (HRV)، که از فواصل RR در سیگنالهای ECG به دست میآید، فعالیت سیستم عصبی خودکار را منعکس میکند که پیشبینی آن به دلیل ماهیت غیرخطی و آشوبناک آن چالش برانگیز است. در این مقاله، ابتدا سیگنالهای ECG برچسبگذاری شده از پایگاه داده Physionet به دست آمدند. سپس، فیلتر میانگذر مرتبه چهارم Butterworth و بازسازی فضای فاز با رویکرد پنجره کشویی بر روی این سیگنالهای آشوبناک اعمال شده و با چهار روش یادگیری ماشین آموزش داده شدند. از آنجایی که LSTM و CNN به ترتیب به دلیل قابلیتهای زمانی و فرکانسی خود عملکرد بهتری نسبت به سایر روشها نشان دادند، یک روش ترکیبی LSTM+CNN پیشنهاد شد که معیارهای ارزیابی RMSE و R² را بهبود بخشید و نشان داده شد که دارای قابلیتهای زیر است: مقاومت در برابر نویز سفید و صورتی، توانایی تشخیص سیگنالهای بیمار آریتمی بدون برچسب از سیگنالهای سالم، و توانایی پیشبینی سیگنالهای HRV سالم و ناسالم.https://tjee.tabrizu.ac.ir/article_21392_7d72e18d2a649b9678a32da8dd3940f6.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Attention-based CNN-BiLSTM Deep Model for Sentiment Analysis of User Opinions in Social Mediaیک مدل عمیق CNN-BiLSTM مبتنی بر مکانیزم توجه برای تحلیل احساسات نظرات کاربران در رسانههای اجتماعی13222099010.22034/tjee.2025.67687.5036FAرضالطیفی اردهائیگروه مهندسی کامپیوتر- دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز- ایرانمحمداسدپوردانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز - ایرانمیرهادیسیدعربیگروه مهندسی مخابرات- دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز - ایرانJournal Article20250606Extracting sentiment from textual data is crucial for understanding public opinion and guiding strategic decisions. We introduce a hybrid deep-learning pipeline that combines convolutional feature detectors, bidirectional recurrent units, and a custom attention mechanism. First, convolutional layers with pooling condense local n-gram patterns into compact feature maps. These maps are fed into a bidirectional LSTM network that captures sequence information in both forward and reverse directions. A specialized attention module then assigns relevance scores to individual tokens, sharpening the final classification. Evaluations on widely used sentiment benchmarks show that our method outperforms leading models in terms of accuracy as well as requires fewer computational resources, making it a practical solution for scalable emotion detection in text.هدف از تحلیل احساسات، تعیین جهتی برای بیان دیدگاه و نظرات کاربران و مشاهده وضعیت عمومی با توجه به هوش اقتصادی، سنجش رضایت مشتری، پیش بینی فروش فیلم و موارد دیگر می باشد. همچنین تجزیه و تحلیل احساسات، به عنوان یکی از زمینههای پردازش زبان طبیعی شناخته میشود. هدف از این پژوهش، ارائه رویکردی جدید برای تجزیه و تحلیل احساسات و تشخیص قطبیت نظرات کاربران رسانههای اجتماعی با استفاده از الگوریتمهای یادگیری عمیق است.<br />در این مطالعه با استفاده از تلفیق شبکههای CNN و Bi-LSTM و با به کارگیری مکانیزم توجه مدلی پیشنهاد میشودکه از CNN برای استخراج ویژگی متن و از شبکهBi-LSTM برای طبقهبندی احساسات استفاده میکند. مکانیزم توجه نیز میتواند بر بخشهای مهم یک دنباله تمرکز کرده و در نتیجه کارایی شبکههای عصبی را در کارهای مختلف از جمله تجزیه و تحلیل احساسات، ترجمه ماشینی و تشخیص گفتار افزایش دهد. نتایج بدست آمده نشان میدهد که روش پیشنهادی، دقت بالاتر و پیچیدگی کمتری برای تعیین قطبیت نظرات کاربران در رسانههای اجتماعی نسبت به روشهای موجود در تحقیقات اخیر دارد.https://tjee.tabrizu.ac.ir/article_20990_eacab48850565e466667abad71c1b2fe.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Throughput Maximization in MIMO Cognitive Radio Networks with SWIPT DF Relay and Imperfect CSIحداکثرسازی گذردهی در شبکه های رادیوشناختی MIMO با رله SWIPT DF و اطلاعات ناقص CSI23331783810.22034/tjee.2024.17838FAمهلامحمدیDepartment of Electrical and Computer Engineering, Babol Noshirvani University of Technology, Babol, Iran.سید مهدیحسینی اندارگلیDepartment of Electrical and Computer Engineering, Babol Noshirvani University of Technology, Babol, Iran.Journal Article20230306We 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. Here, several combined constraints of the main problem complicate the solution. Therefore, 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. The OPA is about 10000 times faster than the CVX solver. Additionally, the sum throughput especially at low thresholds increases by ~15-25% compared to the benchmark algorithms. Moreover, the constraints and objective function in OPA are 100% satisfied.ما مسئله به حداکثر رساندن گذردهی را برای ارسال downlink در شبکههای رادیو شناختی به کمک رله DF با قابلیت ارسال اطلاعات بیسیم و برداشت انرژی همزمان (SWIPT) بررسی میکنیم. در این شبکه مفروض، تجهیزات رله چند ورودی-چند خروجی (MIMO) و کاربر ثانویه (SU) طراحی شدهاند تا هر دو برداشت انرژی از سیگنال فرکانس رادیویی (RF) و SWIPT را انجام دهند. علاوه بر این، ایستگاه پایه شناختی (CBS) تنها از طریق رله MIMO با SU ارتباط برقرار می کند. بر اساس مدل شبکه در نظر گرفته شده، چندین قید ترکیبی راه حل مسئله اصلی را پیچیده می کند. بنابراین در این مقاله، دستورالعملهای ابتکاری را در چارچوب بهینهسازی محدب برای مدیریت این پیچیدگی اعمال میکنیم. ابتدا مسئله حداکثرسازی گذردهی در هر دو طرف رله را جداگانه در نظر بگیرید. دوم، هر طرف برای حل بهینه مسئله پیچیده با اتخاذ استراتژی هایی برای حل زیرمسائل پیش می رود. در نهایت، این راهحلهای بهینه با پیشنهاد یک الگوریتم تخصیص توان تکراری ابتکاری که قیدهای ترکیبی را با زمانهای همگرایی کم برآورده میکند، ترکیب میشوند. عملکرد الگوریتم پیشنهادی بهینه (OPA) در مقابل الگوریتمهای معیار از طریق نتایج عددی بر روی بهینگی، زمان همگرایی، انطباق قیود و اطلاعات ناقص وضعیت کانال (CSI) بر روی کانال CBS تا کاربر اولیه ارزیابی میشود.https://tjee.tabrizu.ac.ir/article_17838_beb69291e1233e2885f49ecaa0a8489c.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Design of a Hybrid LSTM-DT Intrusion Detection System in SCADA Networksطراحی یک سیستم تشخیص نفوذ ترکیبی LSTM-DT در شبکههای SCADA35402165210.22034/tjee.2026.67140.5017FAمجیدنقیبیانگروه مهندسی کنترل، دانشکده مهندسی برق و کامپیوتر دانشگاه کاشانعلیرضافرجیاستادیار دانشکده مهندسی برق دانشگاه کاشانJournal Article20250504This paper presents a hybrid intrusion detection system for Industrial Control Systems that leverages real-world data to detect known cyberattacks with very high accuracy. The research begins by designing a realistic laboratory testbed comprising a Siemens S7-1200 PLC, an HMI, and WinCC software. Three types of cyberattacks DDoS, Start/Stop, and Port Scan are simulated using Metasploit, and the corresponding network traffic is captured via Wireshark with Port Mirroring enabled. During preprocessing, the data are filtered, labeled, and behavioral features—such as packet inter-arrival time, control command frequency, and destination port diversity are extracted. A hybrid LSTM-DT model is developed and trained in three configurations; the parallel configuration (Config 3), which fuses the outputs of both LSTM and Decision Tree components, demonstrates superior performance. Evaluation using 10-fold cross-validation on labeled testbed data shows that the proposed model achieves 99.45% accuracy, 99.23% precision, and 99.49% recall. By focusing on flow-based behavioral patterns rather than payload inspection, the system ensures low computational overhead, making it well-suited for resource-constrained industrial environments.این مقاله یک سیستم تشخیص نفوذ ترکیبی برای سیستمهای کنترل صنعتی ارائه میدهد که از دادههای دنیای واقعی برای شناسایی حملات سایبری شناخته شده با دقت بسیار بالا استفاده میکند. این تحقیق با طراحی یک بستر آزمایشی آزمایشگاهی واقعگرایانه شامل یک PLC زیمنس S7-1200، یک HMI و نرمافزار WinCC آغاز میشود. سه نوع حمله سایبری DDoS، Start/Stop و Port Scan با استفاده از Metasploit شبیهسازی میشوند و ترافیک شبکه مربوطه از طریق Wireshark با فعال بودن Port Mirroring ثبت میشود. در طول پیشپردازش، دادهها فیلتر و برچسبگذاری میشوند و ویژگیهای رفتاری - مانند زمان بین ورود بستهها، فرکانس فرمان کنترل و تنوع پورت مقصد - استخراج میشوند. یک مدل ترکیبی LSTM-DT در سه پیکربندی توسعه داده شده و آموزش داده میشود. پیکربندی موازی (Config 3)، که خروجیهای هر دو مؤلفه LSTM و Decision Tree را با هم ترکیب میکند، عملکرد برتر را نشان میدهد. ارزیابی با استفاده از اعتبارسنجی متقابل 10-fold بر روی دادههای آزمایشی برچسبگذاری شده نشان میدهد که مدل پیشنهادی به دقت 99.45٪، دقت 99.23٪ و فراخوانی 99.49٪ دست مییابد. با تمرکز بر الگوهای رفتاری مبتنی بر جریان به جای بازرسی بار مفید، این سیستم سربار محاسباتی کمی را تضمین میکند و آن را برای محیطهای صنعتی با محدودیت منابع مناسب میسازد.https://tjee.tabrizu.ac.ir/article_21652_221f56426ad7cc26abb90c69640daeb8.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Design of Ka Band Rotary Joint in Printed Microstrip Gap Waveguide Technologyطراحی اتصال چرخشی باند Ka در فناوری موجبر شکافی ریزنواری چاپی41462165410.22034/tjee.2026.70715.5110FAمحمد حسیناستوارزادهدانشکده مهندسی برق و کامپیوتر - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته - کرمان - ایران.Journal Article20251223A millimeter-wave rotary joint based on printed microstrip gap waveguide technology is presented. To this goal, a unit cell structure which its bandstop contains the desired frequency band was first designed. The rotary joint structure is proposed as a rectangular cavity surrounded by the designed periodic mushrooms realized on microstrip board and its top layer is a metallic disk placed with an air gap distance from microstrip board. The rectangular cavity is fed by two coaxial ports connected at its both sides. Simulation results show a narrow band insertion loss for designed rotary joint because the cavity is excited at its first mode. To widen its bandwidth, shorting patch and window are introduced in the cavity. The dimensions of the proposed rotary joint were optimized by time domain solver of CST software to obtain the best insertion loss behavior over the desired frequency band. Simulation results show the return loss is better than 10 dB and the insertion loss is less than 0.5 dB over about 21% relative bandwidth. Comparsion of the simulation results with those obtained by freqency domain solver of CST software and HFSS simulator confirms the accuracy of the design and simulations.یک اتصال چرخشی موج میلیمتری مبتنی بر فناوری موجبر شکافی ریزنواری چاپشده ارائه می شود. برای این منظور، ابتدا یک ساختار سلول واحد که باند توقف آن شامل باند فرکانسی مورد نظر است طراحی شد. ساختار مفصل چرخشی پیشنهاد شده مانند یک حفره مستطیلی است که توسط قارچهای متناوب طراحیشده روی برد ریزنوار احاطه شده است و لایه بالایی آن یک دیسک فلزی است که با فاصله شکاف هوایی از برد ریزنوار قرار گرفته است. حفره مستطیلی توسط دو دهانه هم محور که در دو طرف آن متصل شدهاند، تحریک میشود. نتایج شبیهسازی، تلفات عبوری باند باریکی را برای مفصل چرخشی طراحیشده نشان میدهد زیرا حفره در مود اول خود تحریک میشود. برای افزایش پهنای باند آن، پچ اتصال کوتاه و دیافراگم در حفره معرفی می شوند. ابعاد اتصال چرخشی پیشنهادی توسط حل کننده حوزه زمان نرم افزار CST برای داشتن بهترین تلفات عبوری در پهنای باند مطلوب بهینه شدند. نتایج شبیهسازی نشان میدهد که تلفات بازگشتی بهتر از 10 دسیبل و تلفات عبوری کمتر از 0.5 دسیبل در حدود 21٪ پهنای باند نسبی است. مقایسه نتایج شبیه سازی با نتایج بدست آمده از حل کننده حوزه فرکانس نرم افزار CST و شبیه ساز HFSS تایید کننده دقت طراحی و شبیه سازیها می باشد.https://tjee.tabrizu.ac.ir/article_21654_a1a9ea74a7517793deae0dafd4604451.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Survey on the Recent Design and Tuning Approaches for model-free Fuzzy PID/PI Controllersمروری بر رویکردهای نوین طراحی و تنظیم کنترلکنندههای فازی PID/PI مدل آزاد47612154010.22034/tjee.2026.71192.5119FAکامرانصباحیدانشگاه محقق اردبیلیاردشیرمحمدزادهدانشگاه ساکاریامهدیتواندانشگاه آزاد اسلامیامیرامین زاده قوی فکردانشگاه تبریزJournal Article20260130Proportional–Integral–Derivative (PID) controllers have been widely used in industrial systems due to their simple structure and ease of implementation. However, because the parameters of classical PID controllers are fixed, uncertainties, nonlinearities, and variations in system dynamics may degrade their control performance. To address these limitations, fuzzy logic systems (FLSs) have been incorporated into PID controllers to enhance adaptability and robustness without requiring an accurate mathematical model of the controlled plant. This paper presents a comprehensive survey of model-free fuzzy PID and PI control approaches. In particular, two widely used architectures, fuzzy gain scheduling PID (FGPID) and fuzzy PID (FPID) controllers, are reviewed and analyzed. Different implementations of these controllers based on type-1 fuzzy logic systems (T1FLS), interval type-2 fuzzy logic systems (IT2FLS), and general type-2 fuzzy logic systems (GT2FLS) are discussed. Furthermore, various tuning strategies for fuzzy parameters, including analytical methods, gradient-based learning, and evolutionary optimization algorithms, are examined. The challenges associated with parameter tuning and closed-loop stability analysis are also highlighted. The survey provides a structured overview of recent developments and identifies open research directions for improving the design, stability, and practical implementation of fuzzy PID controllers in complex nonlinear systems.بهکارگیری کنترلکنندههای خطی کلاسیک تناسبی–انتگرالی–مشتقی (PID) در سامانههای صنعتی به دلیل ساختار ساده و سهولت در تنظیم پارامترها، سابقهای موفق و گسترده دارد. با این حال، از آنجا که این کنترلکنندههای خطی دارای پارامترهای ثابت هستند، وجود عدمقطعیتها و غیرخطیبودنهای سیستم تحت کنترل میتواند منجر به کاهش عملکرد کنترلی شود. برای مقابله با این چالشها در کاربرد کنترلکنندههای PID، یکی از رویکردهای مؤثر، ادغام سامانههای منطق فازی (FLS) با کنترلکنندههای PID و تنظیم دقیق آنها است. مشابه کنترلکنندههای PID، یکی از مزایای اصلی کنترلکنندههای PID مبتنی بر منطق فازی این است که برای حل مسائل کنترلی به مدل ریاضی سیستم نیاز ندارند؛ از اینرو، این کنترلکنندهها بهعنوان راهکاری کارآمد برای کنترل طیف وسیعی از سیستمهای غیرخطی پیچیده مطرح شدهاند.<br /><br />در این مقاله، مروری جامع بر توسعه و تحلیل کنترلکنندههای PID بدون مدل که با سامانههای منطق فازی ترکیب شدهاند، ارائه میشود. تمرکز اصلی بر کنترلکنندههای PID با زمانبندی بهره فازی (FGPID) و PID فازی (FPID) است که دو ترکیب مهم و پرکاربرد از منطق فازی و کنترلکنندههای PID به شمار میروند. همچنین، ساختارهای مختلف کنترلکنندههای FGPID و FPID که در آنها از سامانههای منطق فازی نوعیک (T1FLS)، نوعدو بازهای (IT2FLS) و نوعدو عمومی (GT2FLS) بهعنوان بخش استنتاج استفاده شده است، مورد بررسی قرار گرفتهاند. افزون بر این، روشهای تنظیم پارامترهای کنترلکنندههای FGPID و FPID و همچنین مسائل مربوط به پایداری حلقهبسته آنها مورد بحث و تحلیل قرار میگیرد.https://tjee.tabrizu.ac.ir/article_21540_0891faec4f9bf0c513cd5eb33916b3ec.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Improving Fake News Detection Using Machine Learning Methodsبهبود شناسایی اخبار جعلی با استفاده از روشهای یادگیری ماشین63762139810.22034/tjee.2026.68653.5067FAفاطمهشهیدیدانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه سجاد، مشهد، ایرانجوادحمیدزادهدانشگاه صنعتی سجاد - عضو هیئت علمیJournal Article20250815The rapid spread of fake news on digital platforms has become a major societal challenge, influencing public opinion, political stability, and social trust. Despite extensive research, existing detection models often suffer from limited generalization, weak robustness to noisy or short texts, and reliance on manually engineered features. Moreover, the evolving linguistic and contextual nature of fake news reduces the long-term effectiveness of conventional approaches. To address these limitations, this study proposes a novel hybrid fake news detection framework that, for the first time, integrates Kernel Fuzzy Rough Set (KFRS)–based feature selection with a two-stage ensemble of deep learning and traditional machine learning classifiers. Unlike prior studies that rely solely on either neural or statistical models, the proposed approach combines LSTM and Bi-LSTM networks with Logistic Regression, Support Vector Machine, and XGBoost, leveraging their complementary strengths through soft voting and stacking. The KFRS component plays a critical role in refining feature representations by handling uncertainty and reducing noise, which is particularly beneficial for short and noisy textual data. Skip-Gram word embeddings are employed to capture semantic relationships between words and enhance contextual understanding. The proposed framework is evaluated on three benchmark datasets—LIAR, FakeNewsNet, and FakeEdited—demonstrating consistently strong performance across diverse domains. Ablation experiments further confirm that incorporating KFRS leads to substantial improvements in Recall and F1-score. Overall, the proposed method offers a robust, scalable, and practically deployable solution for real-world fake news detection.گسترش سریع اخبار جعلی در پلتفرمهای دیجیتال به چالشی جدی در جوامع امروزی تبدیل شده و بر افکار عمومی، ثبات سیاسی و اعتماد اجتماعی تأثیرگذار است. با وجود پژوهشهای گسترده، بسیاری از روشهای موجود در تشخیص اخبار جعلی از ضعف در تعمیمپذیری، مقاومت پایین در برابر متون کوتاه و نویزی، و وابستگی به ویژگیهای مهندسیشده دستی رنج میبرند. در این پژوهش، یک چارچوب ترکیبی نوین برای تشخیص اخبار جعلی ارائه میشود که انتخاب ویژگی مبتنی بر مجموعههای فازی–تقریبی کرنلی (KFRS) را با یک سامانهٔ تجمعی دومرحلهای متشکل از مدلهای یادگیری عمیق و یادگیری ماشین کلاسیک تلفیق میکند. در این چارچوب، شبکههای LSTM و Bi-LSTM در کنار رگرسیون لجستیک، ماشین بردار پشتیبان و XGBoost بهکار گرفته شده و از راهبردهای رأیدهی نرم و Stacking برای بهرهگیری از قابلیتهای مکمل آنها استفاده میشود. مؤلفهٔ KFRS با مدیریت عدمقطعیت و کاهش نویز، نقش مؤثری در بهبود بازنمایی ویژگیها، بهویژه برای متون کوتاه، ایفا میکند. همچنین،嵌هسازی واژگانی Skip-Gram بهمنظور استخراج روابط معنایی میان واژگان مورد استفاده قرار گرفته است. ارزیابی چارچوب پیشنهادی بر روی سه مجموعهدادهٔ معیار LIAR، FakeNewsNet و FakeEdited نشاندهندهٔ عملکرد پایدار و بهبود قابلتوجه معیارهای Recall و F1-score است. نتایج حاصل بیانگر کارایی، پایداری و قابلیت کاربرد عملی روش پیشنهادی در تشخیص اخبار جعلی در دنیای واقعی است.https://tjee.tabrizu.ac.ir/article_21398_69e2d9b2b30ff7c12f0cd008d29cd472.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Maximum Power Point Tracking (MPPT) of a Photovoltaic System Connected to a Microgrid under Partial Shading Conditions Using the Gravitational Search Algorithm (GSA)ردیابی نقطه حداکثر توان (MPPT) یک سیستم فتوولتائیک متصل به ریزشبکه تحت شرایط عدم قطعیت با استفاده از الگوریتم جستجوی گرانشی (GSA)77912072910.22034/tjee.2025.67507.5029FAاسعدشمشادیعضو هیات علمی دانشگاه صنعتی اراکمهدیپیامنیدانشگاه صنعتی اراکJournal Article20250526Photovoltaic (PV) systems are increasingly integrated into microgrids, offering clean and sustainable energy solutions. However, partial shading conditions significantly impact PV system performance, leading to multiple local maxima in the power-voltage (P-V) curve. This necessitates robust Maximum Power Point Tracking (MPPT) algorithms to efficiently extract maximum power. This paper proposes a novel MPPT technique for PV systems connected to a microgrid under partial shading conditions, employing the Gravitational Search Algorithm (GSA). GSA, inspired by Newtonian gravity, effectively explores the solution space and converges towards the global maximum power point. The proposed method is evaluated through simulations, demonstrating superior performance compared to conventional MPPT techniques in terms of tracking accuracy, convergence speed, and robustness against varying shading patterns. The graph of the tracked power for the proposed method in this paper, under variable temperature and partial shading conditions, shows that it has a faster response (100ms) compared to similar methods, such as the Fuzzy Logic Controller (FLC) and the Gravitational Search Algorithm (GSA), for tracking the global maximum power point in grid-connected PV systems under partial shading conditions. The results highlight the effectiveness of the GSA-based MPPT in maximizing energy extraction from PV systems under challenging operating conditions, thereby enhancing the overall efficiency and reliability of microgrids.Photovoltaic (PV) systems are increasingly integrated into microgrids, offering clean and sustainable energy solutions. However, partial shading conditions significantly impact PV system performance, leading to multiple local maxima in the power-voltage (P-V) curve. This necessitates robust Maximum Power Point Tracking (MPPT) algorithms to extract maximum power efficiently. This paper proposes a novel MPPT technique for PV systems connected to a microgrid under partial shading conditions, employing the Gravitational Search Algorithm (GSA). GSA, inspired by Newtonian gravity, effectively explores the solution space and converges towards the global maximum power point. The proposed method is evaluated through simulations, demonstrating superior performance compared to conventional MPPT techniques in terms of tracking accuracy, convergence speed, and robustness against varying shading patterns. The graph of the tracked power for the proposed method in this paper, under variable temperature and partial shading conditions, shows that it has a faster response (100ms) compared to similar methods, such as the Fuzzy Logic Controller (FLC) and the Gravitational Search Algorithm (GSA), for tracking the global maximum power point in grid-connected PV systems under partial shading conditions. The results highlight the effectiveness of the GSA-based MPPT in maximizing energy extraction from PV systems under challenging operating conditions, thereby enhancing the overall efficiency and reliability of microgrids.https://tjee.tabrizu.ac.ir/article_20729_9767e71250baed68f38720e2d5adb407.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522A novel power divider network with momentum matching for feeding arrays of arbitrary spoof surface plasmon polaritons antennasشبکه مقسم توان نوین با تطبیق ممان برای تغذیه انواع آنتنهای آرایهای با فناوری پلاریتونهای پلاسمون سطحی مجازی93992113210.22034/tjee.2026.69036.5080FAمهدیسیاسی فرگروه مهندسی برق
دانشگاه بین المللی امام خمینی0009-0006-6635-0427اصغرکشتکارگروه مهندسی برق مخابرات
دانشکده فنی و مهندسی
دانشگاه بین المللی امام خمینی رهشروینامیریسازمان پژوهش های علمی صنعتی ایرانJournal Article20250923Abstract<br />A novel power divider network for feeding arrays of arbitrary groundless spoof surface plasmon polaritons (SSPP) antennas with coplanar waveguide (CPW) input is proposed. The design approach is generalized for any SSPP antenna with CPW input by presenting a flowchart. The proposed feeding network is simulated and optimized via CST Studio software. We validate our designed network's effectiveness using a fabricated prototype eight-branch SSPP array antenna that shows a measured impedance bandwidth of 0.98 GHz (11.536-12.516 GHz) and a maximum gain increase of 7.48 dB compared with a single-branch SSPP antenna, with only a 1.55 dB deviation from the lossless theoretical increase value of 9.03 dB. The proposed power divider network can feed SSPP antennas with no attached ground, enabling performance optimization of the antenna by placing a detached ground. SSPP-based planar antennas are gaining popularity in aerospace due to their lightweight, low-profile design. They offer high efficiency, wideband operation, and resistance to electromagnetic interference, making them ideal for satellite communications and dynamic aerospace environments. Since single-branch SSPP antennas which use CPW inputs often lack sufficient gain, the power divider network proposed in this paper holds particular importance for combining multiple radiating elements, boosting gain and directivity without compromising compactnessچکیده<br />در این مقاله یک شبکه مقسم توان نوین برای تغذیه انواع آنتنهای آرایهای با فناوری پلاریتونهای پلاسمون سطحی (SSPP) بدون زمین با ورودی موجبر هم صفحه (CPW) پیشنهاد شده است. یک نمودار گردشی نیز برای توضیح روند طراحی کلی برای هر آنتن SSPP با ورودی CPW ارائه شده است. شبکه پیشنهادی با نرمافزار CST Studio شبیهسازی و بهینهسازی شده است. اثربخشی شبکه طراحی شده با استفاده از یک نمونه اولیه آنتن آرایهای SSPP هشت شاخه ساخته شده با پهنای باند امپدانس اندازهگیری شده 98/0 گیگاهرتز (536/11-516/12 گیگاهرتز) و حداکثر افزایش بهره dB 48/7 (در مقایسه با مقدار نظری بدون اتلاف dB 03/9) نسبت به یک آنتن SSPP تک شاخه، اثبات شده است. از آنجاکه بسیاری از آنتنهای SSPP از ورودیهای CPW استفاده میکنند و آنتنهای SSPP تک شاخه اغلب فاقد بهره کافی هستند، شبکه مقسم توان کارآمد پیشنهادی در این مقاله از اهمیت ویژهای برای ترکیب چندین عنصر تابشی، افزایش جهتگیری و بهره بدون به خطر انداختن فشردگی، برخوردار است. آنتنهای مسطح، به ویژه آنتنهای مبتنی برSSPP، به دلیل سبکی، کمحجمی، شکلپذیری، قابلیت ادغام یکپارچه در موشکها و ماهوارهها، راندمان بالا، پهنای باند زیاد، تلفات کم، پشتیبانی از ارتباطات پرسرعت، هدایت پرتو و مقاومت در برابر تداخل الکترومغناطیسی انتخاب مناسبی برای محیطهای هوافضای پویا هستند. این مزایا کاملاً با نیازهای سیستمهای ارتباطی ماهوارهای و زمینی نسل بعدی و وسایل نقلیه هوایی بدون سرنشین (UAV) مطابقت دارد.https://tjee.tabrizu.ac.ir/article_21132_e9bcdb4a0e19efdf519ce5fc868027d6.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522A Spectral Stability-Based Alarm System for Detecting Process Mean and Variance Shiftsمعرفی یک سیستم هشدار مبتنی بر پایداری طیفی برای تشخیص تغییرات میانگین و واریانس در متغیرهای فرآیند1011112140310.22034/tjee.2026.70430.5106FAجعفرطاهری کلانیدانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایرانJournal Article20251201This paper presents an innovative online approach for univariate fault detection and alarm generation using the power of spectral analysis. The new approach utilizes a Spectral Stability Index (SSI) for simultaneous and sensitive monitoring of small and incipient changes in both the mean and variance of a process signal, which are common precursors to industrial alarm systems. The SSI framework accomplishes this by quantifying the deviation of the real-time power spectral density of the process signal from a reference model of normal operation. The method inherently carries an important advantage: it can detect low-level, developing faults much earlier than methods based on time-domain analysis. Its superior effectiveness is demonstrated through numerical and industrial case studies, where it significantly outperforms conventional methods, such as CUSUM, deadbands and delay timers, and more sophisticated advanced methods that have been recently introduced, such as serial and cascaded alarm systems. The results confirm the method's potential for substantially improving the responsiveness and accuracy of industrial alarm systems.این مقاله، یک روش جدید برخط برای تشخیص خطا و تولید هشدار در متغیرهای فرآیندی تکمتغیره با بهرهگیری از روش تحلیل طیفی ارائه میدهد. رویکرد جدید از «شاخص پایداری طیفی» برای پایش تغییرات کوچک و در حال توسعه (incipient) در میانگین و واریانس سیگنال فرآیند استفاده میکند. روش شاخص پایداری طیفی این کار را با اندازهگیری انحراف چگالی طیفی توان سیگنال فرآیند در زمان واقعی از یک مدل مرجع مربوط به شرایط عملیاتی نرمال محقق میسازد. این روش ذاتاً حاوی یک مزیت مهم است: میتواند خطاهای در حال توسعه و با تغییرات کوچک را زودتر از روشهای طراحی هشدار مبتنی بر تحلیل حوزه زمان تشخیص دهد. این روش بهطور قابل توجهی از روشهای مرسوم مانند CUSUM، باندهای مرده و تایمرهای تأخیر، و همچنین روشهای پیشرفتهتری که اخیراً معرفی شدهاند، مانند سیستمهای هشدار سری و آبشاری، عملکرد بهتری دارد. بررسی روش پیشنهادی از طریق مطالعات عددی و صنعتی، پتانسیل این روش را در بهبود چشمگیر پاسخگویی و دقت سیستمهای هشدار صنعتی تأیید میکند.https://tjee.tabrizu.ac.ir/article_21403_5201f75084f4ba4a1f7fded5615a1029.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779956120260522Improving Stability of LSTM-Based Intrusion Detection for IoMT Networks Using Harris Hawks Optimizationبهبود پایداری تشخیص نفوذ مبتنی بر LSTM برای شبکههای اینترنت اشیای پزشکی (IoMT) با استفاده از الگوریتم بهینهسازی شاهینهای هریس1131242153910.22034/tjee.2026.71004.5113FAحمیدزنگی آبادی زادهگروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران0009-0008-3058-5421هادیمحمدیگروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایرانJournal Article20260104Intrusion detection in the Internet of Medical Things (IoMT) is a safety critical task, as healthcare infrastructures depend on highly sensitive data and real time medical devices. While Long Short Term Memory (LSTM) networks offer strong capability in detecting complex network attacks, their performance is highly influenced by appropriate hyperparameter selection. To address this challenge, this study introduces a Modified Harris Hawks Optimization (MHHO) algorithm that enhances the standard HHO by integrating dynamic inertia weighting and Lévy flight based exploration. These mechanisms improve the balance between exploration and exploitation, effectively reducing premature convergence and strengthening global search behavior.<br />The proposed MHHO is employed to adaptively optimize key hyperparameters of an LSTM based intrusion detection model, eliminating the need for manual tuning or conventional methods such as grid search. Furthermore, a robust, recall focused fitness evaluation strategy is used to obtain hyperparameter configurations that improve model reliability and decrease sensitivity to class imbalance.<br />Experimental results on the CICIoMT2024 dataset across five independent runs show that both HHO LSTM and MHHO LSTM outperform the base LSTM in terms of average F1 score, with the MHHO LSTM model demonstrating significantly lower performance variability. Since the optimization is performed only once during offline training, the final deployed system maintains the standard LSTM inference complexity. These findings highlight that the proposed MHHO LSTM framework delivers enhanced stability, dependable performance, and practical suitability for safety critical IoMT environments.تشخیص نفوذ در اینترنت اشیاء پزشکی (IoMT) یک مسئله حیاتی ایمنی است، شبکههای حافظه طولانی کوتاهمدت (LSTM) توانایی بالایی در تشخیص حملات پیچیده شبکه ارائه میدهند. برای پرداختن به این چالش، این مطالعه یک الگوریتم بهینهسازی اصلاحشده شاهین های هریس (MHHO) را معرفی میکند که HHO استاندارد را با ادغام وزندهی اینرسی پویا و کاوش مبتنی بر پرواز لوی بهبود میبخشد. این مکانیسمها تعادل بین اکتشاف و استخراج را بهبود میبخشند، همگرایی زودرس را به طور مؤثر کاهش میدهند و رفتار جستجوی سراسری را تقویت میکنند.<br />MHHO پیشنهادی برای بهینهسازی تطبیقی ابرپارامترهای کلیدی یک مدل تشخیص نفوذ مبتنی بر LSTM به کار گرفته میشود و نیاز به تنظیم دستی یا روشهای مرسوم مانند جستجوی شبکه را از بین میبرد. علاوه بر این، از یک استراتژی تابع برازندگی قوی و متمرکز بر یادآوری برای به دست آوردن پیکربندیهای ابرپارامتر استفاده میشود که قابلیت اطمینان مدل را بهبود میبخشد و حساسیت به عدم تعادل کلاس را کاهش میدهد. نتایج آزمایش روی مجموعه داده CICIoMT2024 در پنج اجرای مستقل نشان میدهد که هر دو مدل LSTM HHO و LSTM MHHO از نظر میانگین امتیاز F1 از LSTM پایه بهتر عمل میکنند، و مدل LSTM MHHO تغییرپذیری عملکرد بسیار کمتری را نشان میدهد. از آنجایی که بهینهسازی فقط یک بار در طول آموزش آفلاین انجام میشود، سیستم نهایی مستقر شده پیچیدگی استنتاج LSTM استاندارد را حفظ میکند. یافتهها نشان میدهد که چارچوب LSTM MHHO پیشنهادی، پایداری بهبود یافته، عملکرد قابل اعتماد و مناسب بودن عملی را برای محیطهای IoMT با ایمنی حیاتی ارائه میدهد.https://tjee.tabrizu.ac.ir/article_21539_dc47c3a8640dcbffc90de6fd0f43bb1d.pdf