مقایسه الگوریتم های آموزشی شبکه عصبی پس انتشار در تجمیع داده های شبکه حسگر بی سیم

شبکه های حسگر بی سیم که به طور عادی شامل صدها یا هزاران گره حسگر با قابلیت دریافت، پردازش وانتقال اطلاعات محیطی هستند که به منظور نمایش پدیده های فیزیکی معین توسعه یافته اند. از آن جایی که گرههای حسگر مجهز به باتری هایی با انرژی محدود هستند، به منظور بهره وری بیشتر از شبکه، پردازش اطلاعات بهینه ساز انرژی از اهمیت به سزایی برخوردار است. تجمیع داده، حذف کردن افزونگی داده و بهبود بخشیدندرستی داده های جمع آوری شده از نکات لازم و ضروری برای این شبکه ها می باشد. در این مقاله الگوریتمLMTBPN پیشنهاد داده شده است که بر اساس شبکه های عصبی پس انتشار کار می کند. در این الگوریتم ازیک شبکه عصبی با سه لایه ورودی، مخفی و خروجی استفاده شده است که به ترتیب بر روی اعضای خوشه، سرخوشه ها و ایستگاه پایه قرار دارند. نتایج شبیه سازی نشان می دهد که با به کارگیری الگوریتم فوق کارایی تجمیع داده بهبود پیدا کرده و مصرف انرژی در شبکه کاهش می یابد.