به حداکثر رساندن کارایی انرژی در شبکه های حسگر بی سیم برای انتقال داده بااستفاده از یادگیری عمیق
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 35
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF07_003
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
شبکه های حسگر بی سیم (WSNs) توانایی جمع آوری داده و نظارت بر برنامه ها را دارا هستند. با این حال، محدودیت منابع انرژی نودهای حسگر، چالشی قابل توجه در گسترش عمر شبکه ایجاد می کند. در این مطالعه ، مدل گروه بندی مبتنی بر یادگیری عمیق (DL-GMA) معرفی می شود که برای بهینه سازی مصرف انرژی در WSNs موثر است . DL-GMA از تکنیک های پیشرفته یادگیری عمیق ، به ویژه شبکه عصبی مکرر (RNN) با حافظه کوتاه- مدت بلند (LSTM) استفاده می کند. ارزیابی نشان می دهد که DL-GMA در بهینه سازی استفاده از انرژی و بهبود عملکرد شبکه موثر است . با جمع آوری یادگیری عمیق و گروه بندی هوشمند، رویکرد DL-GMA به گسترش عمر شبکه های حسگر بی سیم و بهبود کارایی انتقال داده کمک می کند. DL-GMA به چالش های منابع انرژی محدود و به حداکثر رساندن ظرفیت شبکه پاسخ می دهد.
Keywords:
یادگیری عمیق , شبکه های حسگر بی سیم (WSNs) , شبکه عصبی بازگشتی (RNN) , عمر شبکه , کیفیت خدمات (QoS) , حافظه کوتاه-مدت بلند (LSTM)
Authors
رامین رمضانی
دانشگاه آزاد اسلامی تهران جنوب
مهدیه زکی زاده
دانشگاه آزاد اسلامی تهران جنوب