پروژه "کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از شبکه‌های عصبی SOM " یک تحقیق کامل و علمی برای رشته کامپیوتر ، شبکه و IT میباشد که بطور کامل بحث را مورد کنکاش و جستجو قرار داده و مطالب سطح بالایی را در پروژه آورده است.این پروژه با ارزش در 6 فصل تنظیم شده و بطور کامل ویرایش شده و در قالب Word آماده تحویل میباشد.
امروزه، در شبکه‌های حسگر بی‌سیم، پروتکل‌های مسیریابی مبتنی بر خوشه‌بندی از طریق تقسیم گره‌های همسایه به خوشه‌های مجزا و انتخاب سرخوشه‌های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره‌های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه‌ای در مقایسه با سایر روش‌های مسیریابی به دست می‌آورند. با این وجود، همه پروتکل‌های خوشه‌بندی ارایه شده تاکنون، تنها نزدیکی جغرافیایی(همسایگی) را به عنوان پارامتر تشکیل خوشه‌ها در نظر گرفته‌اند. در این تحقیق، یک پروتکل جدید خوشه‌بندی متمرکز مبتنی بر انرژی با استفاده از شبکة عصبی نقشة خودسازماندهی برای شبکه‌های حسگر بی‌سیم ارایه می‌شود که قادر به خوشه‌بندی گره‌های شبکه بر اساس سطح انرژی و مختصات گره‌ها میباشد. این پروتکل با استفاده از تعداد مشخصی از گره‌های پرانرژی در شبکه و اعمال آن‌ها به عنوان وزن نورون‌های نقشة خودسازماندهی، نزدیک‌ترین گره‌های کم‌انرژی را جذب گره‌های پرانرژی می‌کند؛ به طوری که خوشه‌ها لزوماً از گره‌های مجاور تشکیل نشده و در واقع براساس دو پارامتر سطح انرژی و همسایگی، خوشه‌هایی با انرژی متوازن تشکیل خواهند شد. به علاوه یک تابع هزینه جدید به منظور تصمیم‌گیری در انتخاب گره‌های سرخوشه، پیشنهاد شده است که سعی در ترکیب معیارهای مختلف موثر در انتخاب بر اساس میزان اهمیت آن‌ها دارد. کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکه‌ای در مقایسه با پروتکل‌های پیشین نظیر LEACH و LEA2C و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن (با شبیهسازی) به اثبات رسیده است.
فهرست مطالب
عنوان صفحه
1-2. تعریف مساله و سئوالات اصلی تحقیق.. 3
فصل2 مروری بر منابع مطالعاتی 8
2-2. طبقه‌بندی روش‌های کاهش مصرف انرژی در شبکه‌های حسگر. 13
2-2-3. روش‌های مبتنی بر قابلیت تحرک... 21
2-3. نقش شبکه‌های عصبی در کاهش مصرف انرژی شبکه‌های حسگر. 22
2-3-2. شبکه‌های عصبی در طرح‌های چرخه وظایف... 27
2-3-3. شبکه‌های عصبی در کاهش داده. 28
2-3-4. شبکه‌های عصبی در شبکه‌های حسگر متحرک... 38
فصل3 نقش شبکه‌های عصبی در مسیریابی انرژی آگاه 41
3-2. ویژگی‌های مسیریابی در شبکه حسگر بی‌سیم.. 43
3-3. روش‌های مسیریابی در شبکه‌های حسگر بی‌سیم.. 45
3-3-2. مسیریابی مبتنی بر مکان.. 47
3-3-3. مسیریابی سلسه مراتبی(مبتنی بر خوشه‌بندی)48
3-3-4. پروتکل خوشه‌بندیLEACH... 49
3-3-5. پروتکل خوشه‌بندیLEACH متمرکز. 51
3-4. شبکه‌های عصبی در الگوریتم‌های مسیریابی آگاه از انرژی... 52
3-4-1. شبکة عصبی انتشار معکوس در کشف مسیر. 52
3-4-2. شبکة عصبی نقشة خودسازماندهی در مسیریابی.. 54
3-4-3. پروتکل‌های مسیریابی مبتنی بر نقشة خودسازماندهی.. 56
3-5. پروتکل خوشه‌بندی پیوندگرا وفقی با انرژی پایین.. 60
4-2. پروتکل مسیریابی خوشه‌بندی مبتنی بر انرژی خودسازمانده. 66
4-4-2. مرحلة اول : خوشه‌بندی با شبکة عصبی نقشة خودسازماندهی.. 69
4-4-3. مرحلة دوم : خوشه‌بندی با الگوریتم K-means. 76
4-4-4. مرحلة انتخاب سرخوشه. 78
فصل5 نتایج شبیهسازی و تحلیل آن‌ها88
5-2. پارامترهای شبیهسازی... 89
5-2-1. مقایسة نحوة تشکیل خوشه‌ها در EBCS با پروتکل LEACH... 91
5-2-2. مقایسة کارایی EBCS با پروتکل‌های پیشین از لحاظ طول عمر شبکه. 93
5-2-3. ارزیابی تابع هزینه انتخاب سرخوشهبرکارایی EBCS.. 96
5-2-4. ارزیابی کارایی پروتکلEBCS در افزایش پوشش شبکه‌ای... 99
کاهش مصرف انرژی در شبکه‌های حسگر بی سیم با استفاده از شبکه‌های عصبی SOM
