پایان نامه شبیه‌سازی و مدل نمودن شبکههای حسگر با شبکههای عصبی رقابتی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: doc
تعداد صفحات: 137
پایان نامه شبیه‌سازی و مدل نمودن شبکههای حسگر با شبکههای عصبی رقابتی
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 137 صفحه
چکیده
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، شبکه عصبی رقابتی، شبیه‌سازی، مدل‌سازی
فهرست مطالب
فصل ۱- مقدمه 2
۱-۱- مقدمه 3
۱-۲- سیستمهای توزیع شده 4
۱-۳- شبکههای حسگر 5
۱-۴- تعریف مسئله و اهداف تحقیق 7
۱-۵- ساختار پایان‌نامه 10
فصل ۲- مفاهیم پیش‌زمینه 12
۲-۱- مقدمه 13
۲-۲- تعریف سیستمهای توزیعی 13
۲-۳- اهداف 15
۲-۳-۱- دسترسپذیر کردن منابع 15
۲-۳-۲- شفافیت توزیع 16
۲-۳-۳- باز بودن 17
۲-۳-۴- مقیاسپذیری 18
۲-۴- انواع سیستمهای توزیعی 19
۲-۴-۱- سیستمهای محاسبات توزیعی 19
۲-۴-۲- سیستمهای اطلاعات توزیعی 23
۲-۴-۳- سیستمهای فراگیر توزیعی 30
۲-۵- شبکههای حسگر 37
۲-۵-۱- شبکههای حسگر بی‌سیم، جهان و ایران 37
۲-۵-۲- وضیعت شبکه حسگر بی‌سیم در جهان 38
۲-۵-۳- وضیعت شبکه حسگر بی‌سیم در ایران 40
۲-۶- مفاهیم شبکه های عصبی 44
۲-۶-۱- مشخصات نرون 44
۲-۶-۲- مدل تک ورودی 44
۲-۶-۳- توابع محرک 44
۲-۶-۴- مدل چند ورودی 46
۲-۶-۵- ساختار شبکه های عصبی 46
۲-۷- آموزش و یادگیری شبکههای عصبی مصنوعی 48
۲-۷-۱- آموزش با نظارت 49
۲-۷-۲- آموزش بدون نظارت 49
۲-۷-۳- آموزش تقویت یافته 50
۲-۷-۴- آموزش رقابتی 50
۲-۷-۵- برنامه و آموزش شبکههای عصبی مصنوعی به روش پس انتشار خطا 51
۲-۷-۶- قدرت تفکیک شبکههای عصبی مصنوعی 52
۲-۸- شبکههای عصبی خودسازمانده 52
۲-۹- شبکه های خودسازمانده دارای وزن ثابت 53
۲-۹-۱- شبکه ی ماکس نت 53
۲-۹-۲- شبکه ی کلاه مکزیکی 54
۲-۹-۳- شبکه ی همینگ 57
فصل ۳- کارهای مرتبط 60
۳-۱- مقدمه 61
۳-۲- کارهای مرتبط 61
فصل ۴- شبیه‌سازی و مدل نمودن شبکههای حسگر با شبکههای عصبی رقابتی 84
۴-۱- مقدمه 85
۴-۲- انحصار متقابل 86
۴-۲-۱- الگوریتم متمرکز 87
۴-۲-۲- الگوریتم نامتمرکز 88
۴-۲-۳- الگوریتم توزیع شده 89
۴-۲-۴- الگوریتم حلقهنشانه 92
۴-۳- شباهت‌های شبکه‌عصبی و سیستم توزیع‌شده 93
۴-۳-۱- منابع 94
۴-۳-۲- شفافیت 94
۴-۳-۳- عملیات یادگیری 95
۴-۳-۴- مدل مشتری – خدمتگذار 95
۴-۳-۵- پردازش موازی 95
۴-۳-۶- سختافزار و نرمافزار 96
۴-۴- مدل پیشنهادی 96
فصل ۵- ارزیابی 101
۵-۱- ارزیابی مدل پیشنهادی 102
فصل ۶- نتیجه‌گیری و کارهای آینده 111
۶-۱- نتیجه گیری و کارهای آینده 112
مراجع…115
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.