مقاله کنفرانسی سال ۱۴۰۱ فارسی

بهبود تشخیص و تصحیح خطای انتقال داده در شبکه های حسگر بی سیم با استفاده از سیستم اعداد مانده ای افزونه ای

چکیده مقاله

شبکه ها حسگر بی سیم WSN به طور گسترده ای در ارتباط میا دستگاه ها و بخصوص در اینترنت اشیا به کار می روند به طور معمول حجم تبادل داده میان گره ها زیاد است و از روش های فشرده سازی مانند LZW به منظور افزایش کارایی شبکه های حسگر بی سیم استفاده می شود به کار گیری فشرده سازی نیازمند تامین جامعیت ،امنیت و دقت در تبادل داده است روش های مختلفی برای تامین دقت و پایداری داده ها وجود دارند که روش های تشخیص و تصحیح خطا نمونه ای از آن هاست سیستم اعداد مانده ای افزونه ای یکی از روش هاست که با افزودن چند پیمانه به مجموعه پیمانه ای ،زمینه را برای تشخیص و تصحیح خطا فراهم می کند در این مقاله یک مجموعه افزونه ای جدید برای مجموعه سه پیمانه ای۲n ۱, ۲n, ۲n ۱ ارائه شد که در پیاده سازی الگوریتم RNS LZW باعث بهبود عملکرد محاسباتی گردید نتایج شبیه سازی سنتز روش پیشنهادی در ابزارSynopsys Design compiler با کتابخانه استاندارد۹۰nm نشان می دهد که میزان تاخیر حداقل ۴۵درصد،مساحت ۴۶ درصد و توان مصرفی ۶۶ درصددر مقایسه پیمانههای اضافی مورد استفاده در سایر مقالات،بهبود کارایی داشته است

کلیدواژه‌ها

الگوریتم فشرده سازی ۰LZW سیستم اعداد مانده ای افزونه ای شبمه های حسگر بی سیم تشخیص و تصحیح خطا

نویسندگان

شیوه ارجاع

�ارابی گلوزان، معصومه و احمدی فر، حمیدرضا،1401،بهبود تشخیص و تصحیح خطای انتقال داده در شبکه های حسگر بی سیم با استفاده از سیستم اعداد مانده ای افزونه ای،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن