مقاله کنفرانسی سال ۱۴۰۲ فارسی

استفاده از یادگیری کیو مبتنی بر فرآیندهای تصمیم گیری مارکوف به منظور تشخیص و بازیابی حفره های پوشش در شبکه های حسگر بیسیم

چکیده مقاله

در شبکه های حسگر بیسیم، ناهنجاری های مختلفی ممکن است ایجاد شود و قابلیت اطمینان و کارایی شبکه را کاهش دهد یکی از این ناهنجاری ها، حفره پوشش است که به دلایل مختلفی مانند استقرار تصادفی گره های حسگر در محیط، حوادث آسیب رسان محیطی، تخلیه باتری حسگرها، خرابی های سخت افزاری، اشکالات نرم افزاری و حملات امنیتی در شبکه، ممکن است ایجاد شود در شبکه های حسگر بیسیم، انواع چالش های فنی باید شناسایی شود و واکنش مناسب به هر یک از آنها داده شود استفاده از روش های قدیمی به منظور پاسخگویی مناسب به چنین چالش های پویایی، عمدتا سخت است یکی از این راه حل ها به منظور رفع چالش ها، استفاده از روش های یادگیری تقویتی است یادگیری کیو یکی از روش های یادگیری تقویتی است که مبتنی بر فرآیندهای تصمیم گیری مارکوف است فرآیندهای تصمیم گیری مارکوف، یک مدل تصمیم گیری در محیط های گسسته، تصادفی و متوالی است ماهیت مدل این است که، یک تصمیم گیرنده یا عامل در محیطی زندگی می کند که حالت خود را به طور تصادفی در پاسخ به انتخاب های تصمیم گیرنده، تغییر میدهد، هدف عامل این است که اقداماتی را انجام دهد تا معیار پاداش خود را به حداکثر برساند در این مقاله، از روش یادگیری کیو مبتنی بر فرآیندهای تصمیم گیری مارکوف به منظور تشخیص و بازیابی حفره های پوشش در شبکه های حسگر بیسیم استفاده کردیم ما روش پیشنهادی خود را با نرم افزار ۲NS شبیه سازی کردیم و سپس نتایج شبیه سازی را با روش پایه یادگیری کیو مبتنی بر نظریه بازی به منظور تشخیص و بازیابی حفره های پوشش در شبکه های حسگر بیسیم،مقایسه کردیم و نتایج شبیه سازی نشان داد که روش پیشنهادی ما از نظر میانگین تعداد حفره های ایجاد شده، میانگین تعداد تصمیم گیری های اشتباه توسط گره های حسگر در حین فرایند یادگیری، میانگین زمان مورد نیاز برای بازیابی حفره ها، میانگین زمان همگرایی، میانگین مصرف انرژی و در نتیجه طول عمر شبکه، نسبت به روش پایه، بهبود داشته است

کلیدواژه‌ها

یادگیری کیو شبکه حسگر بیسیم تشخیص و بازیابی حفرههای پوشش فرآیندهای تصمیمم گیری مارکوف

نویسندگان

شیوه ارجاع

مصطفوی، اکرم سادات و طاهری جوان، نستوه،1402،استفاده از یادگیری کیو مبتنی بر فرآیندهای تصمیم گیری مارکوف به منظور تشخیص و بازیابی حفره های پوشش در شبکه های حسگر بیسیم،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

پوستر مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۲ ۱,۷۶۹ مشاهده

هوش مصنوعی و امنیت مالی: راهکارهای نوین برای پیش بینی تخلفات بانکی

در دنیای امروزه که تکنولوژی هوش مصنوعی به سرعت در حال تکامل است، بانکداری به عنوان یکی از حوزه های حیاتی…

بانکداری نوینیادگیری عمیقهوش مصنوعی.
مقاله کنفرانسی سال ۱۴۰۲ ۱,۰۶۳ مشاهده

ارزیابی ترکیب هوش مصنوعی (AI) و اینترنت اشیا (IoT) در امنیت خانه هوشمند

امنیت خانه هوشمند با استفاده از فناوری هوش مصنوعی و اینترنت اشیا AIoT یک موضوع حیاتی است که نیاز به توجه…

خانه هوشمندهوش مصنوعیاینترنت اشیا
مقاله کنفرانسی سال ۱۴۰۲ ۷۴۶ مشاهده

یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet

مقاله حاضر به بررسی و ارائه روشی نوین برای تشخیص سرطان متمرکز است که از پردازش تصویر با استفاده از شبکه…

سرطان سینهمعماری DenseNetیادگیری عمیق.
مقاله کنفرانسی سال ۱۴۰۲ ۶۹۹ مشاهده

الگوریتم تقریبی برای مسئله حداقل پوشش راسی با رویکرد استراتژیک مبتنی بر توزیع درجات

در این مقاله ، مسئله کمترین پوشش راسی یا Minimum Vertex Cover به عنوان یک مسئله کلاسیک بهینه سازی گراف ب…

کمترین پوشش راسیNP-completeSABOD
مقاله کنفرانسی سال ۱۴۰۲ ۶۹۲ مشاهده

ارزیابی روش های بهبود کارایی اینترنت اشیا (IoT) توسط محاسبات لبه (Edge Computing)

اینترنت اشیاء IoT یک ابزار برای افزودن هوش به بسیاری از ویژگی های اصلی دنیای مدرن است داده ها و پیام های…

محاسبات لبهترافیک شبکهاینترنت اشیا
مقاله کنفرانسی سال ۱۴۰۲ ۵۹۸ مشاهده

استفاده از الگوریتم های یادگیری ماشین برای تشخیص دیابت

دیابت یک بیماری مزمن و دیرینه است که به دلیل بالا بودن میزان قند خون به وجود می آید این بیماری مزمت در ص…

تشخیص دیابتیادگیری ماشینماشین بردار پشتیبان