شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی

یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما  دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی ”   با فرمت Word (قابل ویرایش) در 136 صفحه را معرفی مینماید.

چکیده پایان نامه شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی

در یک شبکه حسگر که یک سیستم توزیع شده فراگیر است، یکی از موارد مورد بحث همگام‌سازی ارتباطات است. یکی از عمده وظایف همگام‌سازی فرآیند‌ها، انحصار متقابل است. الگوریتم‌های جدید ارایه شده در مقایسه با الگوریتم‌های قدیمی با عدالت بیشتری عمل می‌نمایند. در این پایان‌نامه یک مدل با استفاده از شبکه‌های عصبی رقابتی برای انحصار متقابل توزیع شده ارایه می‌دهیم. نشان داده می‌شود که برچسب‌های زمانی، زمان اجرا و دیگر پارامترهای موثر بوسیله شبکه‌های عصبی رقابتی پیش‌بینی شده و مدل می‌تواند بصورت تحلیلی مشکلاتی که در ناحیه بحرانی اتفاق می‌افتد را حل نماید. مدل می‌تواند با استفاده از روش‌های همینگ و هاپلفیلد به جهت پیش‌بینی اثرات آن شبیه‌سازی شده و نمودارهای سرعت و دقت آن مورد تجزیه‌وتحلیل قرار گیرد. مدل شرح داده شده می‌تواند اطلاعات سیستم را کاهش دهد و با سیستم‌های یادگیری اولویت سازگار باشد. بنابراین، این امکان وجود دارد که با استفاده از شبکه‌های عصبی رقابتی بعنوان یک الگوی سیستم توزیع‌شده موارد قابلیت اطمینان، تحمل‌پذیری خطا و دسترسی به انحصار متقابل و مدیریت ناحیه بحرانی را بهینه نماییم. بنابراین روش جدید ارایه شده تحمل‌پذیری خطا را افزایش داده و الگوریتم‌های متمرکز و توزیع شده می‌توانند از آن استفاده نمایند و بر این اساس قابلیت اطمینان بیشتر می‌شود.

کلمات کلیدی: شبکه‌های حسگر، سیستم توزیع شده، ناحیه بحرانی، انحصار متقابل، شبکه‌های عصبی رقابتی ، شبیه‌سازی، مدل‌سازی

ساختار پایان‌نامه

ساختار پایان نامه بصورت زیر است:

فصل دو. مفاهیم پیش‌زمینه. در این فصل تعریفی سیستم‌های توزیع شده، اهداف طراحی این سیستم‌ها و انواع آن مورد بحث قرار می‌گیرد و شبکه‌های حسگر بی‌سیم را به‌عنوان نوعی از این سیستم‌ها توزیع داده می‌شود. به دلیل استفاده از شبکه‌های عصبی رقابتی در فصل چهار این شبکه‌ها نیز مختصراً مورد بحث قرار خواهد گرفت.

فصل سه. تحقیقات و نوآوری­های انجام گرفته. در این فصل به معرفی تحقیقات و کارهای مرتبط در زمینه همگامی و هماهنگی سیستم‌های توزیع شده و روش‌های سخت‌افزاری و نرم‌افزاری استفاده شده برای این‌کار معرفی و مقایسه می‌شود. از بین تحقیقات و نوآوری­های انجام گرفته، روش­هایی که از لحاظ نوآوری و صحت خروجی در ارائه نتایج به کاربر از سایرین دارای خروجی مطلوبتری بوده انتخاب و مزایا و معایب آن‌ها بیان شده است.

فصل چهارم. سیستم پیشنهادی. در این فصل به مبحث همگامی ارتباطات در شبکه‌های حسگر پرداخته شده و در ابتدا انواع الگوریتم‌های موجود در اجرای انحصار متقابل در سیستم‌های توزیع شده را بیان و سپس شباهت‌های یک سیستم توزیع شده با شبکه‌های عصبی رقابتی بیان شده است و بعداز آن با استفاده از شبکه‌های عصبی مدلی برای شبیه‌سازی و مدل نمودن همگامی ارتباطات شبکه‌های حسگر که خود یک سیستم فراگیر توزیعی است پرداخته می‌شود.

فصل پنجم. ارزیابی سیستم پیشنهادی. در این فصل ابتدا نرم‌افزار انتخابی برای شبیه‌سازی و سپس دلایل انتخاب این نرم‌افزار بیان شده و مجموعه داده انتخاب شده برای ارزیابی شرح داده شده است. در مورد جزییات پیاده سازی و نتایج بدست آمده نیزبحث شده است.

فصل ششم.نتیجه‌گیری و کارهای آینده. در این فصل روش ارایه شده در این پایان‌نامه را بطور کلی بیان نموده و سپس نتایج حاصل از این تحقیق و کارهایی که می‌توان برای بهبود روش ارایه شده انجام داد بیان شده است.

فهرست مطالب پایان نامه شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی

فصل 1-          مقدمه. 2

1-1-        مقدمه. 3

1-2-        سیستم‌های توزیع شده 4

1-3-        شبکه‌های حسگر. 5

1-4-        تعریف مسئله و اهداف تحقیق.. 7

1-5-        ساختار پایان‌نامه. 10

فصل 2-       مفاهیم پیش‌زمینه. 12

2-1-        مقدمه. 13

2-2-        تعریف سیستم‌های توزیعی.. 13

2-3-        اهداف… 15

2-3-1-           دسترس‌پذیر کردن منابع.. 15

2-3-2-           شفافیت توزیع.. 16

2-3-3-           باز بودن.. 17

2-3-4-           مقیاس‌پذیری.. 18

2-4-        انواع سیستم‌های توزیعی.. 19

2-4-1-           سیستم‌های محاسبات توزیعی.. 19

2-4-2-           سیستم‌های اطلاعات توزیعی.. 23

2-4-3-           سیستم‌های فراگیر توزیعی.. 30

2-5-        شبکه‌های حسگر. 37

2-5-1-           شبکه‌های حسگر بی‌سیم، جهان و ایران.. 37

2-5-2-           وضیعت شبکه حسگر بی‌سیم در جهان.. 38

2-5-3-           وضیعت شبکه حسگر بی‌سیم در ایران.. 40

2-6-        مفاهیم شبکه های عصبی.. 44

2-6-1-           مشخصات نرون.. 44

2-6-2-           مدل تک ورودی.. 44

2-6-3-           توابع محرک… 44

2-6-4-           مدل چند ورودی.. 46

2-6-5-           ساختار شبکه های عصبی.. 46

2-7-        آموزش و یادگیری شبکه‌های عصبی مصنوعی.. 48

2-7-1-           آموزش با نظارت… 49

2-7-2-           آموزش بدون نظارت… 49

2-7-3-           آموزش تقویت یافته. 50

2-7-4-           آموزش رقابتی.. 50

2-7-5-           برنامه و آموزش شبکه‌های عصبی مصنوعی به روش پس انتشار خطا 51

2-7-6-           قدرت تفکیک شبکه‌های عصبی مصنوعی.. 52

2-8-        شبکه‌های عصبی خودسازمان‌ده 52

2-9-        شبکه های خودسازمانده دارای وزن ثابت… 53

2-9-1-           شبکه ی ماکس نت… 53

2-9-2-           شبکه ی کلاه مکزیکی.. 54

2-9-3-           شبکه ی همینگ…. 57

فصل 3-       کارهای مرتبط… 60

3-1-        مقدمه. 61

3-2-        کارهای مرتبط… 61

فصل 4-       شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی.. 84

4-1-        مقدمه. 85

4-2-        انحصار متقابل.. 86

4-2-1-           الگوريتم متمركز. 87

4-2-2-           الگوريتم نامتمركز. 88

4-2-3-           الگوريتم توزيع شده 89

4-2-4-           الگوريتم حلقه‌نشانه. 92

4-3-        شباهت‌های شبکه‌عصبی و سیستم توزیع‌شده 93

4-3-1-           منابع.. 94

4-3-2-           شفافیت… 94

4-3-3-           عملیات یادگیری.. 95

4-3-4-           مدل مشتری – خدمت‌گذار 95

4-3-5-           پردازش موازی.. 95

4-3-6-           سخت‌افزار و نرم‌افزار 96

4-4-        مدل پیشنهادی.. 96

فصل 5-       ارزیابی.. 101

5-1-        ارزیابی مدل پیشنهادی.. 102

فصل 6-       نتیجه‌گیری و کارهای آینده 111

6-1-        نتیجه گیری و کارهای آینده 112

مراجع………..115

فهرست جداول

جدول ‏2‑1- انواع مختلف شفافیت در سیستم های توزیعی ]11[ 17

جدول ‏2‑2- نمونه ای از عمل های پایه در تراکنش ها ]11[ 25

جدول ‏3‑1- مقایسه سه الگوریتم MDX بنیادی ]37[ 66

فهرست نمودارها/ اشکال

شکل ‏2‑1- سیستم توزیع‌شده‌ای که به صورت میان‌افزار سازمان‌دهی شده است. لایه میان‌افزار روی چندین ماشین گسترده شده است و برای تمامی برنامه‌های کاربردی، واسط یکسانی را ارایه می‌دهد ]11[. 15

شکل ‏2‑2- نمونه ای از سیستم محاسباتی خوشه ای ]11[ 20

شکل ‏2‑3- یک معماری لایه ای برای سیستم های محاسبات توری ]11[ 22

شکل ‏2‑4- تراکنش تو در تو ]11[ 27

شکل ‏2‑5- نقش ناظر TP در سیستم های توزیعی ]11[ 28

شکل ‏2‑6- میان افزار به عنوان تسهیل کننده ارتباط در جامعیت برنامه کاربردی سازمانی ]11[ 29

شکل ‏2‑7- نظارت بر شخص در سیستم فراگیر حافظ سلامت الکترونیکی با استفاده از (الف) هاب محلی یل (ب) اتصال بی سیم دایمی ]11[ 34

شکل ‏2‑8- سازماندهی پایگاه داده شبکه حسگر که داده ها را (الف) فقط روی سایت اپراتور یا (ب) فقط روی حسگرها ذخیره و پردازش می کند ]11[ 36

شکل ‏2‑9- سهم کشورهای مختلف از شبکه های حسگر ]10[ 38

شکل ‏2‑10. توپولوژی شبکه برای خانه هوشمند ]16[ 39

شکل ‏2‑11. نفوذ شبکه های حسگر بیسیم در بازار ]10[ 43

شکل ‏2‑12- مدل نرون تک ورودی ]23[ 44

شکل ‏2‑13- مدل نرون چند ورودی ]23[ 46

شکل ‏2‑14- شبکه تک لایه با S نرون ]24[ 47

شکل ‏2‑15- لایه ترکیبی با دو نوع تابع محرک F¹ و F² ]24[ 47

شکل ‏2‑16- نمایی از لایه خروجی ]23[ 48

شکل ‏2‑17- مدل ساختاری شبکه ی MaxNet ]1[ 53

شکل ‏2‑18- مدل ساختاری شبکه ی کلاه مکزیکی که اتصالات فقط بری واحد i ام رسم شده ]1[ 55

شکل ‏2‑19- مدل ساختاری یک واحد از شبکه ی همینگ ]1[ 57

شکل ‏2‑20- مدل ساختاری شبکه همینگ… 58

شکل ‏3‑1 – : الگوریتم توزیع شده ریکارت و آگراوالا. 69

شکل ‏3‑2- چارت زمان بندی برای 3 پروسه وقتی P1 می میرد ]65[ 73

شکل ‏3‑3- مشابه شکل 3-2، اما P1 زنده است ]65[ 74

شکل ‏3‑4- الگوریتم انحصار متقابل ارایه شده در ]66[ 75

شکل ‏4‑1- مثالی از الگوریتم متمرکز ]71[ 87

شکل ‏4‑2- مثالی از الگوریتم توزیع شده 90

شکل ‏4‑3- الگوریتم حلقه نشانه ]70[ 92

شکل ‏4‑4- سه بعد شرکت کننده در رقابت… 97

شکل ‏4‑5- انتخاب یک بردار (درخواست) غالب… 100

شکل ‏5‑1- انواع مختلفی از ورودی های قابل نمایش… 103

شکل ‏5‑2- انواع مختلفی از خروجی های قابل نمایش… 104

شکل ‏5‑3- نمونه ای از اجرای مدل پیشنهادی با داده های فرضی.. 105

شکل ‏5‑4- الگوریتم خواندن کلیه درخواست ها برای ناحیه بحرانی.. 107

شکل ‏5‑5- الگوریتم خواندن درخواست هایی با حداقل برچسب زمانی و جواب داده نشده 108

شکل ‏5‑6- آموزش شبکه عصبی در متلب… 108

شکل ‏5‑7- اجرای شبیه سازی و ثبت نتایج.. 108

شکل ‏5‑8- بخشی از وزن های تنظیم شده بعد از آموزش شبکه. 109

شکل ‏5‑9- بایاس تنظیم شده بعد از آموزش شبکه. 109

شکل ‏5‑10- نمودار مقیاس‌پذیری مدل ارایه شده 110

راهنمای خرید و دانلود فایل

برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب  استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.