روشی برای تحمل پذیری خطا و آگاه از انرژی در شبکه های حسگر بی سیم

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 623

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCRC01_109

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

امروزه، یکی از مهمترین ابزار کسب اطلاعات و درک محیط که تحقیقات گسترده ای را به خود معطوف نموده، شبکه های حسگر بی سیم است. با وجود پیشرفت های صورت گرفته در این نوع شبکه ها، گره های حسگر به دلیل تعداد زیاد، اندازه کوچک و روش قرارگیری اقتضایی، هنوز هم برای تأمین انرژی خود، متکی به باتری هایی با توان اندک می باشند. همچنین معمولاً به دلیل به کارگیری این نوع شبکه ها در محیط های خشن و غیرقابل دسترس، امکان شارژ مجدد یا تعویض گره های حسگر وجود ندارد. بنابراین یکی از مهمترین مسائل در شبکه های حسگر بی سیم، مسأله محدودیت شدید انرژی است. همچنین از آنجایی که کارایی شبکه های حسگر به شدت به طول عمر شبکه و پوشش شبکه ای آن وایسته است، بنابراین لحاظ نمودن الگوریتم های ذخیره ی انرژی در طراحی شبکه های حسگر با عمر طولانی، امری حیاتی است. امروزه روش های مدیریت پویای توان که به کاهش مصرف انرژی شبکه های حسگر بعد از طراحی و قرارگیری آن ها می پردازند، از بالاترین اهمیت برخوردار می باشند. در سال های اخیر برای مدیریت پویای توان، توجه به ابزارهای هوشمند و توانمندی نظیر شبکه های عصبی رونق چشم گیری یافته است. یک شبکه ی عصبی، سیستمی بزرگ متشکل از عناصر پردازشی موازی یا توزیع شده است که در یک توپولوژی گراف به هم متصل شده اند. داده ها جدا از پردازش ذخیره نمی شوند، زیرا داده ها فی نفسه به هم متصل هستند. شبکه های عصبی، الگوریتم های ریاضی هستند که قادر به یادگیری نگاشت هایی بین ورودی (ها) و خروجی (ها) از طریق آموزش تحت نظارت بوده یا قادر به دسته بندی اطلاعات ورودی به روشی بدون نظارت می باشند. که همه این قابلیت ها در روش های کاهش مصرف انرژی در شبکه های حسگر بی سیم کاربرد دارند. ویژگی ها و قابلیت های منحصر به فرد شبکه های عصبی در کاهش ابعاد داده های ورودی، رده بندی 4 و پیش بینی داده های حسگر، انطباق خاصی با ویژگی ها و نیازمندی های شبکه های حسگر بی سیم دارد. از این رو شبکه های عصبی می توانند ابزار مناسبی برای به کارگیری در شبکه های حسگر بوده و با کاهش نیاز به برقراری ارتباطات بی سیم، تاثیر قابل ملاحظه ای در کاهش مصرف انرژی شبکه های حسگر و افزایش طول عمر آن ها داشته باشند. هدف ما از این تحقیق ارائه روشی بهینه برای کاهش مصرف انرژی در شبکه های حسگر با به کارگیری قابلیت های شبکه های عصبی می باشد.

کلیدواژه ها:

نویسندگان

مریم شمس الدینی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی میاندوآب، کارشناس اداره ثبت احوال استان آذربایجان غربی

علی غفاری

استادیار گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی میاندوآب

اشکان حسین کریم آباد

دانشجوی دکتری مدیریت فناوری اطلاعات، کارشناس فناوری اطلاعات اداره آموزش و پرورش انزلی

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 :
  • Ab del-Aty-Zohdy, H.S. and Ewing R.L. (2000) Intelligent Information Processing ...
  • Al-karaki J.N, Kamal A.E. (2004) 'Routing Techniques in Wireless Sensor ...
  • Anastasi G, Conti M, Passarella A. (2009) 'Energy Conservation in ...
  • Ash T. (1989) , Dynamic Node Creation in Back propagation ...
  • Chaudhuri S.P and Das S. (1990) Neural Netwvorks for Data ...
  • Chung, Y.N., Chong, C.Y., Bar-Shalom, Y. (1986) :Joint Probabiistic data ...
  • DeAngelis, C.M and Whitney, J.E. (1998) _ Neurally Inspired Contact ...
  • Demirkol I, Ersoy C, Alagoz F. (2006) :MAC Protocols for ...
  • Enami N, Askari Moghadam R, Haghighat A. (2010)a _ Survey ...
  • Feng, X, Xu, Z.H. (2009) _ Neural Data Fusion Algorithm ...
  • Ghosh J and Holmberg R.L. (1990) , Multisensor Fusion Using ...
  • Kittler J (2001) "Multi-Sensor Integration and Decision Level Fusion", In: ...
  • Kulakov A, Davcev D, Trajkovski G. (2005)، Application of wavelet ...
  • Langendoen K. (2008) .Medium Access Control in Wireless Sensor Networks', ...
  • Mei L, Haihao L, Shen Y, Fan J, Huang S.H. ...
  • Mohamed W.K, Mirza O, Kawtharani J (2009) , BARC: A ...
  • Moody J. and Darken . (1989) , Fast Learning in ...
  • Oldewurtel F and Mahonen P. (2006) :Neural Wireless Sensor Networks', ...
  • Salcedo-Sanz S, Yao X. (2004) , .1 hybrid Hopfield _ ...
  • Sengupta D, Iltis R.A. (1989) , .Neural solution to Multitarget ...
  • Shen Y, Guo B. (2008) :Wavelet Nearal Network Approach for ...
  • Smith, D., Singh, S. (2006) , Approaches to Multisensor _ ...
  • Winter M. and Favier G (1999) _ Nearal Network for ...
  • Xu Y, Heidemann J and Estrin D. (2001) Geography informed ...
  • Yun S.U, Youk Y.S, Kim S.H. (2007) , Study _ ...
  • نمایش کامل مراجع