مرتضی مقدم - دانشجوی کارشناسی ارشد، گروه کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی علوم و فناوری آریان،امیرکلا
مهدی گلسرخ تبار امیری - استادیار، گروه کامپیوتر و فناوری اطلاعات،دانشگاه آزاد اسلامی،باب ل
عباس طاهرپور باریکی - دانشجوی دکترا، گروه برق و مخابرات، دانشگاه آزاد اسلامی علوم تحقیقات، سمنا ن

محلی سازی یک جنبه مهم در زمینه شبکه های حسگر بی سیم است که از تعداد زیادی سنسور که به طور همزمان با یکدیگر ارتباط برقرار میکنند تشکیل شده است. توانایی پردازش محدود، انرژی کم و سنسورهای کم هزینه از ویژگیهای شبکه حسگر بی سیم است. وظیفه تعیین مختصات فیزیکی گره های حسگر در شبکه های حسگر بی سیم به عنوان محلی سازی یا موقعیت سازی یا بومی سازی شناخته شده است و عامل اصلی در سیستمهای ارتباطی امروز برای تخمین محل مبدا رویدادها است.این مقاله مروری است بر بومی سازی و روش های مختلف اندازه گیری و استراتژی با محدوده و بدون محدوده. جایی که برآورد اطلاعات مکان بسیار مهم است. علاوه بر این، ما درباره برنامه های مبتنی بر محلی سازی صحبت میکنیم. تاثیر تکنیکهای مختلف یادگیری ماشین در حل مشکلات شبکه ای و کاربردی نسل بعدی شبکه های بی سیم، که در نهایت، یک بحث جامع از جلسات مانند دقت، هزینه، پیچیدگی و مقیاس پذیری داده میشود . از این رو ما خلاصه ای از مفاهیم ابتدایی یادگیری ماشین را مرور میکنیم و سپس سه دسته کلی یادگیری باناظر، یادگیری بدون ناظر و یادگیری تقویتی را مورد بررسی قرار داده و به چگونگی سودمندی این روشها در شبکه های نسل جدید و بومی سازی گره های حسگر بی سیم می پردازیم. سپس با ارائه یک مدل ریاضی جدید با استفاده از تکینیک ماشین بردار پشتیبان در ترکیب با فیلتر کالمن به عنوان تخمین گری کارا، برای پیش بینی مسیر یک هدف متحرک با داده های دریافت شده از گره های لنگر ایستا با ارائه پیاده سازی عملی برای یک دیتاست ساختگی میپردازیم و نتایج را بررسی میکنیم.

شبکه های بی سیم، یادگیری ماشین، یادگیری باناظر، یادگیری بدون ناظر، یادگیری تقویتی.