طراحی شبکه های نفوذی با استفاده از ترکیب تطبیقی اطلاعات

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 393

This Paper With 13 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ELEMECHCONF04_238

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

شبکه های تطبیقی شامل مجموعه ای از گره ها هستند که مجهز به قابلیت یادگیری می باشند و برای مسایل توزیع شده مناسب هستند. یک نکته ی مهم در طراحی شبکه های تطبیقی چگونگی ترکیب اطلاعات جمع آوری شده از همسایه ها است بنابراین عملکرد مربعات میانگین شبکه به انتخاب وزن های ترکیبی وابسته است. با مروری بر کارهای انجام گرفته شده در زمینه انتخاب وزن ترکیبی، می توان مشاهده کرد که در الگوریتم های موجود اگرچه ساختار الگوریتم به گونه ای طراحی شده است که راه حل ساده و قابل انعطاف پذیرند، اما هزینه محاسباتی افزایش یافته و با توجه به توان نویز هر گره، مشکلاتی برای انطباق و دقت تخمین دارند. در واقع بحث موجود در این مقاله این است که در طرح نفوذی، ماتریس ترکیب C مشخصه نویز را در نظر می گیرد؛ اگر با این دید به مساله نگاه کنیم که اگر گرهی در شبکه نسبت به بقیه گره ها، دارای نویز بیشتری باشد مطمینا عملکرد کلی شبکه را تحت تاثیر قرار داده و عملکرد آن را کاهش می دهد. بنابراین ناهمگنی در آمار سیگنال نشان می دهد که ممکن است مشارکت بهترین سیاست گره های خوب نباشد؛ برای حل این مساله ایده جدیدی ارایه دادیم که اثر گرهی را که دارای نویز بیشتری نسبت به بقیه گره ها در شبکه است کاهش و اثر گرهی که دارای نویز کمتری در شبکه است را افزایش یابد. در واقع اجازه می دهیم تا شبکه با توجه به کیفیت داده های خود، وزن های کمتر یا بیشتری به گره ها اختصاص دهد. بر این اساس گره استثنایی و گره بد را با در نظر گرفتن دو معیار توان نویز و درجه هر گره تعریف می کنیم. سپس از تعریف محدب در ترکیب فیلتر ها استفاده می کنیم و می گوییم اگر تخمین خود گره ها نسبت به همسایه هایش بهتر بود، تخمین خود گره و اگر تخمین همسایه ها بهتر بود تخمین های همسایه ها در شبکه تسهیم شوند. به عبارت دیگر، گرهی که تخمین دقیق تر و بهتری نسبت به همسایه هایش ارایه داد با ضریبی بیشتر نسبت به تخمین های همسایه ها در کل شبکه با استفاده از فیدبک پخش شود؛ در واقع تخمین بهتر را در کل شبکه داشته باشیم که این همان تعریف جامع بودن است. پس ابتدا الگوریتم جامع با به دست آوردن روابط آن بیان می گردد و در بخش شبیه سازی، عملکرد آن با همتای غیرمشارکتی و نفوذی استاندارد مقایسه می شود. سپس با اضافه کردن لینک نویزی به الگوریتم، عملکرد آن را نسبت به حالتی که لینک ایده آل است بررسی کرده و نتایج آن با شبیه سازی، نشان داده می شود.

Authors

نسرین غفوری

گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه ملایر

علی غفوری

گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه ملایر

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 :
  • Lopes, C.G. and A.H. Sayed, "Incremental adaptive strategies over distributed ...
  • Cattivelli, F.S., C.G. Lopes, and A.H. Sayed, "Diffusion recursive least-squares ...
  • Cattivelli, F.S. and A.H. Sayed, " Distributed detection over adaptive ...
  • Tu, S.-Y. and A.H. Sayed." Optimual combination rules for adaptation ...
  • Sayed, A.H., et al., " Diffusion strategies for adaptation and ...
  • Sayed, A.H., " Diffusion adaptation _ networks". Academic Press Library ...
  • Sayed, A.H. and C.G. Lopes, " Adaptive processing over distributed ...
  • Takahashi, N., I. Yamada, and A.H. Sayed, " Diffusion least-mean ...
  • F ernandez-Bes, J., et al. "A novel schemne for diffusion ...
  • Khalili, A , .et al., " Steady-state analysis of diffusion ...
  • نمایش کامل مراجع