رگراسیون توزیع شده مبتنی بر بهینه سازی elder-Mead Simplex در شبکه های حسگر بی سیم به منظور رفع خطای ناشی از تداخل داده های جدید - قدیم

در این مقاله به منظور مدلسازی داده های جمع آوری شده از یک شبکه حسگر بی سیم از روش بهینه سازی Nelder-Mead Simplex(NM) استفاده می کنیم. به این ترتیب که ابتدا یک نسخه افزایشی از آن را بیان کرده و سپس با استفاده از نمونه برداری مجدد محلی به دو صورت مختلف، پارامترهای مدل مورد نظر را تخمین می زنیم. نشان می دهیم که نمونه برداری مجدد در کنار الگوریتم NM در مقایسه با روش های مشابه مبتنی بر گرادیان چگونه می تواند دقت نهایی را بالا برده و همزمان از مبادلات بین حسگرها بکاهد. آزمایشات نشان می دهند که دقت پیشبینی مدل حاصل از این الگوریتم با هر دو نوع نمونه برداری، نسبت به روش مبتنی بر گرادیان بهتر بوده و در عین حال از مصرف انرژی کمتری برخوردار است.

کلیدواژه ها:

شبکه های حسگر بی سیم ، رگراسیون توزیع شده ، نمونه برداری مجدد داده ها ، روش بهینه سازی NM-Simplex