CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه یک روش جدید برای کاهش مصرف انرژی در شبکه های حسگر بیسیم با استفاده از ویژگی های شبکه های عصبی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۴۹۴ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: NCCIT01_034
زبان مقاله: فارسی
حجم فایل: ۲۵۶.۱۸ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه یک روش جدید برای کاهش مصرف انرژی در شبکه های حسگر بیسیم با استفاده از ویژگی های شبکه های عصبی

  محمدعلی عظیمی ستوده - مربی دانشگاه آزاد اسلامی واحد شوشتر
  سعید غفاری مقدم - مربی دانشگاه آزاد اسلامی واحدجاسب

چکیده مقاله:

درسالهای اخیر تمایلات شدیدی به استفاده ازروشهای هوش مصنوعیدرکاهش مصرف انرژی شبکه های حسگر بی سیم ایجاد شدها ست به ویژه شبکه های عصبی مصنوعی بهدلیل برخورداری از قابلیت های بی مانندی نظیر رده بندی خودکار داده ها کاهش ابعاد داده ها پردازش آسان و ... به عنوان ابزاری موثر و قدرتمند تقریبا درتمامی جنبه های کاهشمصرف انرژی در شبکه های حسگربیسیم کاربرد دارنددراین مقاله به مساله مسیریابی مبتنی بر خوشه بندی در شبکه های حسگربی سیم با هدف کاهش مصرف انرژی و حفظ پوشش شبکه ای پرداخته شده اس برای رسیدن به این هدف ازشبکه عصبی نقشه خودسازماندهی SOM جهت ارایه پروتکل خوشه بندی مبتنی برانرژی استفاده شده است شبکه عصبی خودسازمانده بعد از آموزش و تنظیم مجدد وزن ها خوشه هایی براساس گره های پرانرژی در شبکه شکل خواهد داد درواقع هرخوشه ترکیبی ازیک گره پرانرژی و نزدیک ترین گره های کم انرژی است بدین ترتیب همه خوشه ها تقریبا از سطح انرژی یکسانی برخوردار خواهند بود. این پروتکل جدید که پروتکل خوشه بندی مبتنی برانرژی خودسازمانده EBCS نام دارد خوشه بندی را با توجه به دو معیار سطح انرژی و مختصات مکانی هرگه انجام میدهد و برتری آن از لحاظ افزایش طول عمر و حفظ بیشتر پوشش شبکه ای با شبیه سازی به اثبات رسیده است.

کلیدواژه‌ها:

شبکه های حسگربی سیم، شبکه عصبی، نقشه خودسازماندهی، کاهش مصرف انرژی، خوشه بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCCIT01-NCCIT01_034.html
کد COI مقاله: NCCIT01_034

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عظیمی ستوده, محمدعلی و سعید غفاری مقدم، ۱۳۹۰، ارایه یک روش جدید برای کاهش مصرف انرژی در شبکه های حسگر بیسیم با استفاده از ویژگی های شبکه های عصبی، همایش ملی کامپیوتر و فناوری اطلاعات، کرمان، آموزشکده سما کرمان، https://www.civilica.com/Paper-NCCIT01-NCCIT01_034.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عظیمی ستوده, محمدعلی و سعید غفاری مقدم، ۱۳۹۰)
برای بار دوم به بعد: (عظیمی ستوده و غفاری مقدم، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Anastasi G, Conti M, Passarella A. Energy Conservation in Wireless ...
  • Langendoen K . :Medium Access Control in Wireless Sensor Networks', ...
  • Demirko] I, Ersoy C, Alagoz F. :MAC Protocols for Wireless ...
  • Al-karaki J.N, Kamal A.E. 'Routing Techniques in Wireless Sensor Networks: ...
  • Oldewurtel, Frank and Mahonen, Petri, "Neural Wireless Sensor Networks ", ...
  • Enami N, Askari Moghadam R, Dadashtabar . Hoseini M. 'Neural ...
  • Park, I., Takeshi, M. "Energy Reduction in Wireless Sensor Networks ...
  • Frankel, David S., Model Driven Architecture: Applying MDA to Enterprise ...
  • Sannella, M. J., Constraint Satisfaction and Debugging for Interactive User ...
  • Zachman, John A., "A Framework for Information Systems Architecture", IBM ...
  • Plamondon, R., Lorette, G., "Automatic Signature Verification and Writer Identification ...
  • Object Management Group. Unified Modeling Language: Superstructure, Version 2.0, ptc/03-07-06, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۶۱۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.