ارزیابی الگوریتم های آموزش بر عملکرد شبکه عصبی چندلایه در مکان یابی شبکه های حسگر بی سیم

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 579

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT08_128

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

مکانیابی در شبکه حسگر بی سیم یکی از مسائلی است که در بسیاری ازالگوریتم های کاربردی این شبکه مورد استفاده قرار می گیرد. دراین شبکه ها، الگوریتم های مکانیابی جدا از محدوده به دلیل هزینه اندک و عدم نیاز به تجهیزات خاص مورد توجه قرار گرفته است. ازطرفی در سالهای اخیر از الگوریتم های محاسبات نرم برای حل این مسئله استفاده شده است. یکی از الگوریتم های محاسبات نرم استفادهشده شبکه عصبی است. شبکه عصبی با الگوریتم های آموزش مختلف، دارای کارایی متفاوت است. در این مقاله به بررسی تاثیر اینالگوریتم های گرادیان توام بر روی 5 معیار مختلف میانگین، حداقل، حداکثر و انحراف معیار خطای مکانیابی و همچنین مدت زمان سپریشده جهت آموزش پرداخته شده است. نتایج بدست آمده نشان می دهد از چهار الگوریتم گرادیان توام بررسی شده، الگوریتم گرادیان تواماندازه شده از نظر میانگین، حداقل، حداکثر و انحراف معیار کمترین خطای مکانیابی را داشته و همچنین مدت زمان کمتری جهت آموزشنیاز دارد.

کلیدواژه ها:

نویسندگان

سیدصابر بنی هاشمیان

گروه مهندسی کامپیوتر، دانشگاه یزد، یزد

فضل الله ادیب نیا

گروه مهندسی کامپیوتر، دانشگاه یزد، یزد

مهدی آقاصرام

گروه مهندسی کامپیوتر، دانشگاه یزد، یزد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • مکان یابی در شبکه های حسگر بیسیم با استفاده از شبکه عصبی چند لایه [مقاله کنفرانسی]
  • بنی‌هاشمیان، سید صابر، ادیب‌نیا، فضل اله. "مکان‌یابی در شبکه‌های حسگر ...
  • I. F. Akyildiz, W. Su, Y. S ankara subramaniam, and ...
  • C. Y. Chong and S. P. Kumar, "Sensor Networks_: Evolution, ...
  • L. Doherty, K. S. Pister and L. El Ghaoui, "Convex ...
  • A. Pal, "Localization algorithms in wireless sensor networks: Current approaches ...
  • G. Han, H. Xu, T. Q. Duong, J. Jiang, and ...
  • A. Chatterjee. _ fletcher-reeves conjugate gradient neural- network-based localization algorithm ...
  • D. A. Tran and T. Nguyen, "Localization in wireless sensor ...
  • R. Samadian and S. M. Noorhosseini, "Probabilistic support vector machine ...
  • S. Afzal, and H. Beigy. _ localization algorithm for large ...
  • R. Huan, Q. Chen, K. Mao, and Y. Pan, _ ...
  • V. Feng, and S. Y. Chang, "Determination of wireless networks ...
  • J. Lee, W. Chung, and E. Kim, _ new kernelized ...
  • J. Lee, B. Choi, and E. Kim, "Novel range-free localization ...
  • X. Yan, A. Song, Z. Yang and W. Yang, "An ...
  • M. J. D.Powell. "Restart procedures for the conjugate gradient [17] ...
  • M. F. Moller ":Ascaled conjugate gradient algorithm for fast [18] ...
  • M. T. Hagan, H. B. Demuth and M. Beale." Neurl ...
  • method". Mathematical Programming, vol. 12(1), pp. 241- 254, 1997. ...
  • supervised learning". Neural Networks, vol. 6(4), pp. 525-533, ...
  • نمایش کامل مراجع