سرویس چیدمان هوشمند سنسورها در پایش صحنه نبرد با استفاده از الگوریتم ژنتیک و شبکه عصبی

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,201

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSICC15_262

تاریخ نمایه سازی: 26 مهر 1388

Abstract:

باتوجه به اهمیت مباحثی مانند پایش و نظارت محیطی در سطح جهان و رشد روز افزون این تکنولوژی ها که با استفاده از سیستم های آمیزش اطلاعات سنسوری موجود در محیط صورت می گیردبه روز رسانی و هوشمند نمودن این سیستم ها از دغدغه های اصلی حوزه امنیت می باشد. از این رو چیدمان هوشمند سنسورها برای عملیات پایش و آمیزش اطلاعات با استفاده از اطلاعات سنسور های مناسب، از مباحث جدی این عرصه خواهد بود و این امر در نهایت سبب کاهش زمان پردازش اطلاعات و افزایش دقت آمیزش اطلاعات می گردد. به همین منظور در این پژوهش سعی گردیده است تا با استفاده از ابزارهایی مانند الگوریتم ژنتیک و شبکه های عصبی یک سرویس چیدمان هوشمند سنسورها طرح ریزی نماییم. استفاده از شبکه عصبی در واقع به منظور دست یابی به مقدار برازندگی 3 هر کروموزوم الگوریتم ژنتیک میباشد که به وسیله آن قادر خواهیم بود بهترین پیکربندی 4 سنسوری را برای پایش محیط مورد نظر با توجه به شرایط محیطی و ویژگی اهداف بدست آوریم. بدین منظور 180 سناریو برای 15 سنسور یکسان مورد استفاده در پایش صحنه نبرد تعریف گردید و نرخ تشخیص وجود اهداف توسط این سنسورها در هر چیدمان بدست آمد که از این مقادیر نیز برای فرآیند آموزش شبکه عصبی استفاده شده است که با استفاده از این مقادیر قادر خواهیم بود بهترین پیکربندی سنسوری را برای پایش محیط مورد نظر خود، توسط الگوریتم ژنتیک بدست آوریم و این الگوریتم نشان می دهد که با چه چیدمانی از سنسورها بیشترین میزان تشخیص وجود هدف در منطقه تحت پایش حاصل می گردد.

Keywords:

جنگ های شبکه محور , مدیریت خودکارسنسور , سرویس چیدمان هوشمند سنسور , نرخ تشخیص وجود هدف , الگوریتم ژنتیک , میزان برازندگی , شبکه عصبی

Authors

عبدالحسین علی پور

دانشجوی کارشناسی ارشددانشگاه آزاد اسلامی واحد علوم و تحقیقات

مهدی فشارکی

دانشیاردانشگاه صنعتی مالک اشتر

بهزاد مشیری

استاد دانشگاه تهران

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 :
  • T. Clouqueur, V. Phip atanasuphorn, P. Ramanathan, deployment strategy for ...
  • K. C. Yi Zou, Sensor deployment and target localization in ...
  • M. Younis and K. Akkaya, "Strategies and techniques for node ...
  • J. Deng, Y. S. Han, P.-N. Chen, and P. K. ...
  • A. Howard, M. J. Mataric, and G. S. Sukhatme, _ ...
  • Y. Zou and K Chakrabarty, :Sensor deployment and target localization ...
  • X. Xu and S Sahni, _ 'Approximation algorithms for Sensor ...
  • X. Liu and P. Mohaparta, _ the deployment of wireless ...
  • D. B. Jourdan and O. L. de Weck, "Layout optimization ...
  • نمایش کامل مراجع