ترکیب الگوریتم پس انتشار و ازدحام ذرات برای تشخیص خودکار خطا در شبکه های موردی سیار
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 889
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_024
تاریخ نمایه سازی: 7 بهمن 1393
Abstract:
شبکه های موردی سیار مجموعه ای از نودهای مستقل و پویا هستند که به صورت بیسیم با هم ارتباط دارند. یکی از رویدادهایی که در هر شبکه باید انتظار وقوع آن را داشت مساله بروز خطا است، و آنچه در این مواقع اهمیت بیشتری پیدا می کند چگونگیرفتار شبکه در این مواقع است به طوری که بتواند خطا را تشخیص دهد و یا در حضور خطا به گونه ای عمل کند که عملکرد نهایی شبکه تحت تاثیر منفی خطا قرار نگیرد. شبکه عصبی یک روش آماری غیرخطی برای مدلسازی داده ها یا ابزاری برای تصمیم گیری میباشد. همچنین در تعریفی دیگر شبکه عصبی مصنوعی یک روش تشخیص الگو و دسته بندی میباشد. مسئله تشخیصخطا نیز یک مسئله دستهبندی یا طبقهبندی میباشدکه هدف از آن تقسیم بندی نودهای معیوب وسالم میباشد. بنابراین استفاده از شبکه عصبی پرسپترون در این زمینه می تواند مفید باشد. یکی از مشکلات این روش قرار گیری آن در بهینه محلی می باشد. ازاین رو در اینجا روشی مبتنی بر ترکیب الگوریتم پس انتشار خطا، با جستجوی محلی مناسب، و الگوریتم ازدحام ذرات به عنوانجستجوی سراسری کارآمد، پیشنهاد شده است. در روش پیشنهادی، الگوریتم پس انتشار در تعامل با الگوریتم ازدحام ذرات عمل می کند، بطوری که بعد هر تعداد تکرار مشخص، وزن ها در شبکه عصبی به عنوان ذرات در الگوریتم ازدحام ذرات بهینه می شوند. جهت مرحله آموزش و آزمون در شبکه عصبی از پارامترهای شبکه موردی سیار که اندازهگیری شدهاند، به عنوان ورودی و خروجیاستفاده شد. نتایج نشان میدهد که روش پیشنهادی نسبت به سایر روش ها از نظر تعداد تکرار کمتر، قابلیت اعتبار بیشتر و عدم قرارگیری در بهینه محلی عملکرد بهتری دارد.
Keywords:
Authors
مریم غیاثی
فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک
عباس کریمی
عضو هیات علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اراک.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :