دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتاهای یادگیر سلولی(فرمت ورد Word )تعداد صفحات 136

چکیده

یک شبکه حسگر بی سیم از تعداد زیادی از نودهای حسگر  در یک ناحیه خاص تشکیل شده است که هر یک از آنها توانایی جمع آوری اطلاعات ازمحیط را دارا می باشد و داده های جمع آوری شده را به نود سینک ارسال می کند. هر چند که به طور کلی راجع به شبکه های حسگر بی سیم تحقیقات زیادی صورت گرفته است، در مورد کیفیت سرویس در این شبکه ها هنوز به اندازه کافی کار نشده است. کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است. از آنجایی که زمینه کاربرد این شبکه ها بسیار وسیع می باشد، پارامترهای کیفیت سرویس درآنها متفاوت است. بعضی از پارامترهایی که در ارزیابی کیفیت سرویس مورد استفاده قرار می گیرند عبارتند از: پوشش شبکه, تعداد بهینه نودهای فعال در شبکه, طول عمر شبکه و میزان مصرف انرژی.

تکنیکی که ما جهت بهبود پارامترهای کیفیت سرویس در شبکه ها ی حسگر مورد استفاده قرار داده ایم, روش هوشمند اتوماتاهای یادگیر سلولی(CLA) می باشد. اتوماتای یادگیر سلولی یک رهیافت مکاشفه‌ای برای حل مسایل بهینه‌سازی پیچیده می‌باشد که بررسی‌های اخیر برروی آن، کارایی مناسب آن را به عنوان تکنیکی برای حل این‌گونه مسائل نشان داده است.

چکیده 8

1-   مقدمه  9

1-1-   شبکه های حسگر بی سیم. 9

1-1-1-    مسائل مطرح در شبکه های حسگر بی سیم. 12

1-1-2-    پوشش محیط در شبکه های حسگر بی سیم. 14

1-1-3-    خوشه بندی در شبکه های حسگر بی سیم. 15

1-1-4-    تجمیع داده ها در شبکه های حسگر. 16

1-2-   کیفیت سرویس در شبکه های حسگر بی سیم. 17

1-2-1-    کیفیت سرویس در شبکه های داده ای سنتی.. 19

1-2-2-    کیفیت سرویس در شبکه های حسگر بی سیم. 21

1-3-   آتوماتای یادگیر. 24

1-3-1-    آتوماتای یادگیر. 26

1-3-2-    معیار‌های رفتار اتوماتای یادگیر. 29

1-3-3-    الگوریتمهای یادگیری.. 30

1-3-4-    آتوماتای یادگیر با عملهای متغیر. 34

1-4-   آتوماتای یادگیر سلولی.. 35

1-4-1-    آتوماتای سلولی   35

1-4-2-    آتوماتای یادگیر سلولی (CLA) 39

1-5-   اهداف پایان نامه و ساختار آن. 42

2-   پوشش محیط در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیرسلولی   44

2-1-   مقدمه                    44

2-1-1-    اشکال مختلف طراحی.. 45

کامپیوتر 12. الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی

الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی
چکیدهاستفاده از شبکه های گیرنده بی سیم در اتوماسیون داخلی (WSNHA) به دلیل خصوصیات خود سازماندهی ، دقت دریافت بالا، هزینه پایین، و پتانسیل هایی برای گسترش سریع جالب توجه می باشند. اگرچه الگوریتم مسیریابی در IEEE 802.15.4/ZigBee  و الگوریتم های مسیریابی دیگر برای شبکه های گیرنده بی سیم طراحی شده است، تمام آن ها برای WSNHA مناسب نمی باشد. در این مقاله، ما یک الگوریتم مسیریابی منطقی بر مبنای موقعیت برای شبکه های گیرنده بی سیم را برای WSNHA به نام WSNHA-LBAR مطرح می کنیم. آن مجموعه ای از مسیرهای اکتشافی را برای نواحی درخواستی استوانه ای محدود کرده، که مسیرهای بالاسری را کاهش داده و مشکلات مربوط به طوفانی از موارد منتشر شده را کمتر می کند. آن همچنین به صورت اتوماتیک اندازه نواحی درخواستی را با استفاده از الگوریتم خود انطباقی بر اساس قضیه بیزی تطبیق می دهد. این موارد WSNHA-LBAR را نسبت به تغییرات وضعیت شبکه سازگارتر کرده و برای اجرا آسان تر می کند. نتایج شبیه سازی بهبودی را در اعتبار شبکه ایجاد کرده و همچنین مسیربابی بالاسری را کاهش می دهد. 

پروژه پایان نامه به حداکثر رساندن عمر و امنیت شبکه های حسگر بی سیم

---

کامپیوتر 65. مروری نظام مند در تکنیک های دسته بندی و مسیریابی بر اساس پروتکل لیچ( LEACH) برای شبکه های حسگر بی سیم

مروری نظام مند در تکنیک های دسته بندی و مسیریابی بر اساس پروتکل لیچ( LEACH) برای شبکه های حسگر بی سیم
چکیدهدر سال های اخیر، شبکه های حسگر بی سیم (WSN) به عنوان یک فن آوری جدید و قدرتمند مورد استفاده در بسیاری از برنامه های کاربردی مانند عملیات نظامی، سیستم نظارت، سیستم های پیشرانی هوشمند (ITS) و غیره بکار رفته است . این شبکه شامل تعداد زیادی گره های حسگر (SNS) است، که نه تنها برای نظارت و پویش بلکه در گرفتن اطلاعات موردلزوم از محیط نیز استفاده میگردد . بسیاری از طرح های پژوهشی در  شبکه حسگر بی سیم WSNبرای به حداقل رساندن انرژی در طول فرایند استخراج اطلاعات ضروری از محیط زیست که در آن SNS مستقر شده است ، توسعه داده شده اند . دلیل اولیه برای این مسئله به این واقعیت برمیگردد که SNS ها باباتریکار میکنند که این باتری به سرعت بعد از هرکاربرد دشارژ میگردد. از مقالات اینطور میتوان استنباط کرد که دسته بندی کردن  یکی از شایع ترین روشهای مورد استفاده برای مسیریابی هوشیارانرژی در شبکه های حسگر بی سیم است. محبوب ترین پروتکل برای دسته بندی در شبکه های حسگر بی سیم ، دسته بندی سلسله مراتبی تطبیقی کم انرژی  (لیچ( LEACH))  که مبتنی بر روش دسته بندی تطبیقی است. این مقاله ، طبقه بندی روش های دسته بندی و مسیریابی مختلفی را در شبکه حسگر بیسیم ارائه میدهد که مبتنی بر معیارهایی از قبیل مدیریت توان، مدیریت انرژی، طول عمر شبکه، انتخاب بهینه سردسته ، ارسال داده ها از طریق هاب چند تایی و غیره میباشند . بحث جامع انجام شده در  متن ، بستری برای برجسته نمودن مزایا و معایب نسبی بسیاری از طرح های مهم در این مجموعه میباشد که به طراحان کمک می کند تا طرح خاصی را  بر اساس داشتن شایستگی هایی  بیشتر  را انتخاب کنند . و 2012 الزویر همه حقوق محفوظ است.

شبکه عصبی کامپیوتری با استفاده حالت ریسک و تقویت یادگیری

حفاظت از شبکه های عصبی کامپیوتری در رابطه زیر ساخت های فن آوری اطلاعات،حوادث مخرب و اتفاقی فعال هستند. با توجه به پیچدگی روبه و با سرعتی که رشد از سیستم های حملات می توانند به طور خودکار راه اندازی شوند اقدامات موثر لازم برای کاهش حادثه در شبکه  انجام می شود. این جا به حفاظت  شبکه کامپیوتری عصبی که می توان با استفاده از تقویت یادگیری  و ارزیابی ریسک برای عمل مطلوب ، یا سیاستی که داده های  شبکه کامپیوتری  در این شرایط بهبودی خود را  بدست می آورند اشاره میشود.

شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد پردازش می کنند. آنها از تعداد زیادی از عناصر پرداز شی(سلول عصبی) که فوق العاده بهم پیوسته اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می کنند .شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند ، عملکرد آن غیر قابل پیش گویی است.