ارائه ی شیوه ای نوین برای حل مسأله ناحیه بحرانی در شبکه های حسگر
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 530
This Paper With 15 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:
NCRC01_071
تاریخ نمایه سازی: 25 آذر 1395
Abstract:
در یک شبکه حسگر که یک سیستم توزیع شده فراگیر است، یکی از موارد مورد بحث همگام سازی ارتباطات است. یکی از عمده وظایف همگام سازی فرآیندها، انحصار متقابل است. الگوریتم های جدید ارائه شده در مقایسه با الگوریتم های قدیمی با عدالت بیشتری عمل می نمایند. در این مقاله یک مدل با استفاده از شبکه های عصبی رقابتی برای انحصار متقابل توزیع شده ارائه می دهیم. نشان داده می شود که برچسب های زمانی، زمان اجرا و دیگر پارامترهای موثر بوسیله شبکه های عصبی رقابتی پیش بینی شده و مدل می تواند بصورت تحلیلی مشکلاتی که در ناحیه بحرانی اتفاق می افتد را حل نماید. مدل می تواند با استفاده از روش های همینگ و هاپلفیلد به جهت پیش بینی اثرات آن شبیه سازی شده و نمودارهای سرعت و دقت آن مورد تجزیه و تحلیل قرار گیرد. مدل شرح داده شده می تواند اطلاعات سیستم را کاهش دهد و با سیستم های یادگیری اولویت سازگار باشد. بنابراین، این امکان وجود دارد که با استفاده از شبکه های عصبی رقابتی بعنوان یک الگوی سیستم توزیع شده موارد قابلیت اطمینان، تحمل پذیری خطا و دسترسی به انحصار متقابل و مدیریت ناحیه بحرانی را بهینه نماییم. بنابراین روش جدید ارائه شده تحمل پذیری خطا را افزایش داده و الگوریتم های متمرکز و توزیع شده می توانند از آن استفاده نمایند و بر این اساس قابلیت اطمینان بیشتر می شود.
Keywords:
شبکه های حسگر - سیستم توزیه شده - ناحیه بحرانی - انحصار متقابل - شبکه عصبی رقابتی
Authors
محمد کرمی
گروه برق، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران
وحید ندیمی
باشگاه پژوهشگران جوان و نخبگان، واحد تفرش، دانشگاه آزاد اسلامی، تفرش، ایران
پیمان بیات
گروه کامپیوتر، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
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 :