پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی

word 2 MB 31076 131
1394 کارشناسی ارشد مهندسی کامپیوتر
قیمت: ۱۷,۰۳۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد                                                                          رشته: کامپیوتر گرایش نرم افزار

    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 الگوریتم‌ های 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 نمودار های 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: شبکه‌ های حسگر، سیستم توزیع شده، ناحیه بحرانی، انحصار متقابل، شبکه عصبی رقابتی، شبیه‌سازی، مدل‌سازی

    فصل 1-    مقدمه

    هر سیستمی که بر روی مجموعه‌ای از ماشین‌ها که دارای حافظه اشتراکی نیستند، اجرا شده و برای کاربران به گونه‌ای اجرا شود که گویا بر روی یک کامپیوتر است، یک سیستم توزیع شده است. دسته‌ای از این سیستم‌ها، سیستم‌های فراگیر توزیعی هستند که بر خلاف سایر انواع دارای گره‌های ثابت و ارتباطات دایمی و با کیفیت نیستند. نمونه‌ای از سیستم‌های فراگیر توزیعی، شبکه‌های حسگر است که اغلب از تعداد زیادی گره برای برنامه‌های کاربردی نظارتی و اندازه‌گیری استفاده می‌شود. در سیستم‌های توزیع شده یکی از موضوعات مورد بحث همزمانی و همگامی است و بطور معمول نیز بحث‌ها بر سر همگامی منطقی فرآیندها بوده و بدنبال ترتیب اجرای درست فرآیندها می‌باشد. یکی از اصلی‌ترین فرآیندهای مورد اهمیت در بحث همگامی دسترسی فرآیند‌های مختلف به متغیرهای یکسان و حافظه اشتراکی (ناحیه بحرانی) است که به انحصار متقابل معروف است. یکی از چالش‌های الگوریتم‌های ارایه شده در این زمینه بحث برقراری عدالت بین فرآیندها و عدم برخورد با بن‌بست و گرسنگی است.  چالش‌های الگوریتم‌های ارایه شده در این زمینه یا روی توزیع خاصی کار نموده‌اند و یا تنوع‌پذیری مناسبی در برخورد با مسایل مختلف ندارند.

    از آنجایی که شبکه‌ های عصبی خود یک مدل غیرخطی و توزیع شده هستند. در این پایان نامه با استفاده از شبکه‌های عصبی رقابتی به حل مشکل دسترسی به ناحیه بحرانی و انحصار متقابل خواهیم پرداخت و با استفاده از مدل نمودن هر فرآیند با یک سلول عصبی و هر منبع موجود در ناحیه بحرانی با یک منبع موجود در شبکه‌های عصبی سعی در حل انحصار متقابل در سیستم‌های توزیع شده را داریم. بدلیل نیاز به بودن تنها یک فرآیند در ناحیه بحرانی و استفاده از شبکه‌های عصبی رقابتی، مدلی از این شبکه‌ها که تنها یک برنده داشته (شبکه بیشینه، کلاه مکزیکی و همینگ) در برابر خوشه‌بندها (نگاشت‌های خودسازمانده کوهنن و یادگیری چندی‌سازی برداری) مد نظر خواهد بود.در میان شبکه‌های رقابتی مدنظر، شبکه عصبی رقابتی همینگ بنابر کاربرد، نتایج و مقایسه‌های انجام شده در[1,2] انتخاب شده است. همچنین بحث‌های مربوط به تحمل‌پذیری خطا، قابلیت اطمینان، عدالت در دسترسی به ناحیه بحرانی را با توجه به مدل ارایه شده بحث خواهیم نمود.

    برای بررسی میزان توانایی و مقبولیت روش ارایه شده سعی در استفاده کدهای داده‌ای موجود خواهد شد.کدهای داده‌ای استفاده شده حجم بالایی خواهند داشت و معیارهای ارزیابی تعداد نخ‌های همزمان و میزان نتایج بدست آمده به همراه میزان توابع فراخوانی شده مورد بررسی قرار می‌گیرد. تعداد دسترسی‌های به ناحیه بحرانی و تغییر در این تعداد دسترسی سعی در اثبات مقیاس‌پذیری و قابلیت اطمینان روش خواهیم داشت.

    برای تجزیه و تحلیل روش ارایه شده از توابع خطی و غیرخطی تولید شده بعنوان ورودی استفاده خواهد شد. معیار نمایش کارایی و مقبولیت روش ارایه شده مقایسه سرعت اجرا می‌باشد. البته در مقایسه سرعت اجرا بدلیل عدم دسترسی به معیار مناسبی برای اندازه گیری زمان‌های CPU از تعداد توابع فراخوانی شده در برابر تعداد درخواست‌ها برای دستیابی به ناحیه بحرانی در هر کدام از اجراها استفاده خواهد شد و معیار براساس آن تعریف می‌شود.

    1-1-               سیستم‌های توزیع شده

    سیستم‌های توزیع شده را می‌توان گفت که از اتصال کامپیوترهای شخصی که در یک شبکه محلی قرار گرفته‌اند، به وجود آمده‌اند. تحقیقی که از اواسط دهه 1970 تا اوایل دهه 1990 ادامه داشت یک چارچوب مفهومی و مبنای الگوریتمی را ایجاد کرده که ثابت شده در هر کاری متشکل از دو یا تعداد بیشتری کامپیوتر متصل در یک شبکه (سیار یا ثابت، با سیم یا بی سیم، پراکنده یا فراگیر) هر مقداری را تحمل می‌کند. این گونه از آگاهی‌ها، نواحی بسیاری که بنیاد محاسبات فراگیر هستند را پوشش می‌دهد. به همراه این نوع سیستم‌ها مفاهیم زیر نیز مطرح شده‌اند]3[:

    ارتباط از راه دور: شامل لایه‌بندی پروتکل‌ها، صدا زدن رویه‌ها از راه دور، استفاده از اتمام زمان[1] و استفاده از آرگومان‌های انتها به انتها در قرار دادن عملیات‌ها[2].

    تحمل پذیری خطا: شامل تراکنش‌های تجزیه‌ناپذیر[3]، تراکنش‌های توزیعی و تودرتو[4] و پروتکل two-phase commit (پروتکلی برای هماهنگی بین تغیرات در منابع بازیافتنی هنگامی که بیش از یک مدیر منبع توسط یک تراکنش استفاده می‌شود.)

    دسترسی بالا: شامل کنترل المثنی خوشبینانه و بدبینانه، اجرا آینه‌ای و بازیافت خوشبینانه.

    دسترسی به اطلاعات از راه دور: شامل نهان‌سازی[5]، حمل[6] تابع، سیستم‌های فایلی توزیع شده و پایگاه داده‌های توزیع شده.

    امنیت: شامل احراز هویت و خصوصی دو طرفه بر پایه رمزنگاری.

    1-2-               شبکه‌های حسگر

    شبکه‌های انتقال داده[7] را می‌توان از یک دیدگاه بر اساس لایه فیزیکی[8]شان، به دو دسته عمده سیمی[9] و بیسیم[10] تقسیم کرد. در شبکه‌های سیمی، گره‌های شبکه از طریق یک وسیله فیزیکی قابل رؤیت مانند کابل اترنت یا فیبرنوری به هم متصل هستند. حال آنکه در شبکه‌های بیسیم، چنین وسیله اتصالی وجود ندارد و ارتباط گره‌ها از طریق مخابرات رادیویی یا اشعه مادون قرمز برقرار می‌شود. این دسته‌بندی از آنجا حائز اهمیت است که به علت نوع خاص لایه فیزیکی مورد استفاده در شبکه‌های بیسیم، می‌توان آنها را از نظر پارامترهایی مانند تداخل[11]، قابلیت اطمینان[12]، منابع انرژی در دسترس و سطح امنیت، با شبکه‌های سیمی مقایسه نمود] 4[.

    یک تقسیم‌بندی دیگر برای شبکه‌ها، براساس قابلیت حرکت گره‌ها در شبکه است. در برخی از شبکه‌ها، مکان گره‌ها ثابت است لذا توپولوژی و ساختار شبکه تغییر نمی‌کند. بر خلاف شبکه‌های ثابت[13]، در شبکه‌های متحرک[14] مکان گره‌ها و در نتیجه ساختار شبکه قابلیت تغییر دارد. ثابت یا متحرک بودن شبکه ربطی به نوع لایه فیزیکی آن ندارد. به عنوان مثال، تلفن همراه نمونه‌ای از یک شبکه متحرک بیسیم است؛ از طرف دیگر، ساختمانی که از یک شبکه بیسیم بهره می‌برد مثالی از یک شبکه بیسیم ولی ثابت است]5[.

    شبکه‌های بیسیم (ثابت یا متحرک) را می‌توان در دو حالت متصور شد: شبکه‌های بیسیمی که دارای زیرساخت[15] هستند و شبکه‌های بیسیم بدون زیرساخت. در نوع اول، گره‌های شبکه به گره‌های سطح بالاتری مانند ایستگاه‌های پایه[16] یا نقاط دسترسی[17] متصل می‌شوند (به صورت بیسیم) و از این طریق قادر به ارتباط خواهند بود؛ در حالی که در نوع دوم، اصولاً چنین گره‌هایی وجود ندارند و شبکه بدون هیچ زیرساخت اولیه‌ای قادر است کار خود را آغاز کند و گره‌ها خود- راه‌انداز[18] هستند]6 [.

    شبکه‌های اقتضایی[19] نوع خاصی از شبکه‌های بیسیم هستند که در آن گره‌ها می‌کوشند بدون هیچ زیرساخت ثابتی با یکدیگر ارتباط داشته باشند. انعطاف‌پذیری این شبکه‌ها موجب می‌شود که بتوانیم در هر زمان و هر مکان آنها را راه‌اندازی کنیم. از مهمترین کاربردهای شبکه‌های اقتضایی می‌توان به ارتباط میان نیروها و ادوات در یک میدان نبرد (چنانچه آغاز شبکه‌های اقتضایی نیز به پروژه دارپا[20] و وزارت دفاع امریکا برمی‌گردد)، عملیات امداد در حوادث غیرمترقبه و حتی بازی‌های چندکاربره اشاره کرد. نوع دیگری از شبکه‌های بیسیم، شبکه‌های حسگر[21] هستند. یک شبکه حسگر، مجموعه‌ای از تعداد زیادی گره است که به منظور جمع‌آوری اطلاعات و انتقال آن با یکدیگر همکاری می‌کنند. تشخیص سریع وقوع آتش‌سوزی در جنگل‌ها و تشخیص اشیاء متحرک در یک منطقه (مثلاً مرزی)، مثالهایی از شبکه حسگر است]7[.

    در بسیاری از موارد، تأمین سطحی از امنیت در شبکه‌های اقتضایی و حسگر ضروری است. از سویی خطرات فراوانی امنیت این شبکه‌ها را تهدید می‌کند و از طرف دیگر به کارگیری هرگونه سیستم امنیتی، با توجه به ویژگی‌های خاص آنها، با محدودیت‌های بسیار مواجه است. از این رو، تأمین امنیت این سیستم‌ها با چالشی جدی روبرو شده است. این چالش موجب شده تا حجم قابل توجهی از پژوهش‌ها در سالهای اخیر، به چگونگی طراحی و به کارگیری الگوریتم‌ها و پروتکل‌های امنیتی در چنین شبکه‌هایی اختصاص یابد]8[.

    شبکه‌های حسگر بی‌سیم نسل جدیدی از شبکه‌ها هستند که از تعداد زیادی گره حسگر تشکیل شده‌اند. این گره‌ها با داشتن قابلیت تشخیص تغییرات محیطی به منظور نظارت بر یک محیط خاص در آن پراکنده می‌شوند. یک گره حسگر از چهار جزء اصلی حسگر، واحد پردازش، واحد فرستنده و گیرنده و منبع تغذیه تشکیل شده است. منبع تغذیه گره‌های حسگر معمولاً باتری‌های غیرقابل شارژی هستند که پس از اتمام شارژ آن‌ها گره حسگر مرده محسوب می‌شود. از این‌رو یکی از مهمترین محدودیت‌های شبکه‌های حسگر بی‌سیم، کمبود منابع انرژی آن‌هاست]9[. بنابراین برخلاف شبکه‌های قدیمی که هدف اصلی، دسترسی به کیفیت سرویس می‌باشد، در پروتکل های شبکه‌های حسگر تکیه اصلی بر حفظ منابع انرژی است. در این شبکه‌ها بایستی از مکانیزم‌هایی استفاده شود که امکان افزایش طول عمر شبکه را از طریق پهنای باند کمتر یا افزایش تاخیر ارسال، برای کاربر نهایی فراهم می‌کنند. یکی از این مکانیزم‌ها که در سال‌های اخیر بسیار مورد توجه قرار گرفته شده است، استفاده از تکنیک‌های خوشه‌بندی است. تمایل به سمت خوشه‌بندی گره‌ها به چند دلیل افزایش پیدا کرده است: اولین دلیل افزایش طول عمر سیستم بخاطر کم کردن انرژی گره‌ها برای ارسال داده و برقراری تعادل با تغییر نقش گره‌ها است، همچنین این روش‌ها با محلی کردن ارسالات، باعث کاهش تداخلات اطلاعاتی می‌شوند. این مزایا در شبکه‌های حسگر با ابعاد بزرگ بیشتر حائظ اهمیت هستند]10[.

    1-3-               تعریف مسئله و اهداف تحقیق

    درسیستم‌های تک پردازنده‌ای نیازاست که اگرقرار باشد چند کاربر به یک منبع مشترک دسترسی پیدا کنند، کنترل شود که این دسترسی به شکل همزمان اتفاق نیفتد. دریک سیستم توزیع شده هم باید منابع مشترک حفاظت شوند ولی مشکل دیگری که اینجاوجود داردهمگامی اجرای فرایندها است. دلیل اهمیت همگامی بخاطر وابستگی مراحل اکثر الگوریتم‌ها می‌باشد که در صورت اجرای این الگوریتم‌ها برروی سیستم‌های توزیع‌شده نیاز به کنترل همگامی فرآیندها داریم.

    مسئله‌ای که در ارتباط بین فرآیندها بسیار اهمیت دارد این مسئله است که فرآیندها چگونه در سیستم‌های توزیع شده همگام می‌شوند. همگام‌سازی یعنی همه تدابیری که باید سنجیده شود تا هر کاری به موقع (در زمان درست) و سر جای خودش انجام شود. یکی از اهدافی که همگامی سیستم‌های توزیع شده باید بدنبال آن باشد انحصار متقابل و کنترل ناحیه بحرانی است. ناحیه بحرانی به متغیرهای مشترک، فایل‌های داده مشترک، حافظه مشترک و جداول اطلاعاتی اشتراکی است که همه فرآیندها از آن استفاده می‌کنند ولی در حین واحد تنها و تنها باید در اختیار یک فرآیند باشد. و در این میان باید به گونه‌ای عمل شود که در صورتی فرآیندها هر کدام تعدادی از منابع خود را در اختیار گرفته ولی همچنان منتظر تعدادی منبع هستند که در اختیار دیگر فرآیندها است (بن‌بست) دچار نشده و یا منبعی برای دریافت یک منبع بیش از حد معمول منتظر نماند که در زمان کلی اجرای محاسبات تاثیرگذار بوده (گرسنگی) باشند.

    برای اجرای کارها، در یک سیستم، از یک ساعت استفاده می‌کنیم. ساعت تضمین کننده اجرای به ترتیب کارها می‌باشد. درسیستم توزیع شده این  یک چالش است چون سیستم‌ها ازساعت‌های مختلف استفاده می‌کنند و زمان‌ها عملاً همگام نیستند.

    معمولاً همزمانی زمانی رخ می‌دهد که فرآیندی در یک پردازنده نیاز به داده و یا نتایج محاسبات یک فرآیند در پردازنده دیگر دارد و یا ترتیب خاصی در روند دستورات باید اتفاق افتد و رعایت شود. معمولاً همزمانی سبب افزایش سرعت محاسبات می‌شود.

    همگامی فرآیند‌ها در محیط توزیع شده مسئله جدیدی نبوده و از زمان پیدایش سیستم‌های توزیع شده بعنوان یک چالش عمده مورد بحث و تحقیق قرار گرفته است. روش‌های گوناگونی نیز ارایه شده است که معمولاً دارای مزایا و معایبی می‌باشد. روش‌هایی که از سرور زمان برای همگامی استفاده می‌کنند با مشکلات جلوتر بودن زمان کامپیوترها از زمان سرور و تاخیرات ارسال و دریافت زمان از سرور روبرو هستند. روش‌هایی که از سرور زمان ولی با دریافت زمان کلیه کامپیوترها و عمل میانگین‌گیری آن‌ها به زمان واحد میرسند با مشکل تشخیص اعداد نادرست و کنار گذاشتن آن‌‌ها روبرو بوده و همچنین روش‌هایی که همه کامپیوترها زمان خود را برای مابقی ارسال می‌کنند و هر کامپیوتر میانگین گرفته باز با تشخیص اعداد غیرواقعی رسیده و تعداد زیاد پیام‌های ارسالی و دریافتی روبرو است. همچنین در همگامی‌های منطقی روش‌های ارایه شده اغلب از تجزیه‌وتحلیل و تشخیص نقاط نیازمند به همگام‌سازی استفاده می‌کنند و معمولاً قادر به تشخیص دقیق نقاط همگامی نبوده، کیفیت نتایج یکسان در همه موارد را نداشته، از سخت‌افزار اضافی استفاده نموده‌ و سربار زیادی دارند. در این پایان‌نامه یک روش با استفاده از شبکه‌های عصبی رقابتی برای شبیه‌سازی و مدل نمودن سیستم‌های توزیع‌شده و برقراری انحصار متقابل و کنترل ناحیه بحرانی در این سیستم‌ها معرفی می‌شود که چالش‌های بالا را تا حد امکان از بین برده و سربار همگامی را کاهش دهد.

    همانطور که میدانیم شبکه‌های عصبی مصنوعی مدل شده شبکه‌های عصبی بدن انسان بوده و از نظر علمی اثبات شده است. شبکه‌های عصبی یک مدل غیرخطی بوده و ماهیت توزیع شدگی دارد بنابراین می‌تواند مناسب برای مدل نمودن و شبیه‌سازی سیستم‌های توزیع شده باشد و با توجه به اثبات‌های انجام شده می‌توان به مدل سازگار، قابل اعتماد و تحمل‌پذیر خطا دست یافت.

    در سیستم‌های توزیع شده یک الگوریتم مرکزی کار هماهنگ کنندگی را انجام می‌دهد و فرآیندهای درخواست‌کننده دسترسی به ناحیه بحرانی را کنترل می‌کند.هر فرآیند می‌تواند یک درخواست داشته باشد و به تنهایی کار کند. در هر لحظه یک فرآیند می‌تواند در ناحیه بحرانی باشد. در مدل ارایه شده هر یک از فرآیندها با یک نرون شبیه‌سازی می‌شود. استفاده از شبکه عصبی رقابتی که در هر بار اجرا، تنها یک نرون برنده خواهد شد و ما را به ماهیت ناحیه بحرانی خواهد رساند. همچنین هر نرون به تنهایی می‌تواند به کار خود ادامه داده و نتایج خود را تولید نماید.

    در شبکه عصبی هر سلول عمل جداگانه و مستقلی از سایر سلول‌ها دارد. بنابراین خروجی نهایی مستقل از رفتار محلی سلول‌ها است.علاوه بر این استقلال سلول‌ها تحت عنوان همکار می‌توانند با یکدیگر همکاری داشته باشند و این نشان دهنده تحمل‌پذیری بالا است همچنین بحث شفافیت که در سیستم‌های توزیع شده بوده را برقرار می‌کند. با تعریف واحدی سلول‌هایی که زمان زیادی منتظر مانده را شناسایی و شانس برنده شدنشان در رقابت را بالا می‌بریم تا از گرسنگی و بن‌بست جلوگیری نماییم. می‌توان گفت با استفاده از شبکه عصبی رقابتی ما علاوه بر برچسب زمانی، زمان اجرا و الویت اجرا نیز در دسترسی به ناحیه بحرانی می‌توانیم دخیل نماییم.

    همگام سازی بین فرآیندها اغلب مستلزم آن است که یک فرآیند به عنوان یک هماهنگ کننده عمل کند. در این موارد که هماهنگ کننده ثابت نیست، لازم است که فرآیندها به صورت توزیع شده تصمیم بگیرند که کدام فرآیند به عنوان هماهنگ کننده عمل نماید. چنین تصمیمی به وسیله الگوریتم‌های انتخاب صورت می‌گیرد. الگوریتم‌های انتخاب عمدتاً در مواردی استفاده می‌شوند که هماهنگ‌کننده ممکن است از کار بیفتد. در این پایان‌نامه روشی براساس شبکه عصبی رقابتی که سیستم توزیع شده را مدل نموده و ناحیه بحرانی بدون از بین رفتن کیفیت نتایج را کنترل نماید، ارایه خواهد شد. سعی به ارایه روشی است که به برنامه‌نویسان این امکان را بدهد که به راحتی برنامه‌های موازی برای اجرا در سیستم‌های توزیع‌شده و پردازنده‌های چند هسته‌ای را ایجاد نمایند. به منظور کاهش سربار هماهنگ‌سازی یا از بین بردن کامل آن ابتدا قسمت‌هایی از کد موازی که نیاز به همزمان‌سازی دارد مشخص شده سپس معیاری را برای قابل قبول‌بودن و تعیین کیفیت راه‌حل تعیین می‌شود. نقاط دارای انعطاف مشخص شده و ترتیب‌های مختلف اجرا را با، کد تغییر ترتیب اجرا که مشخص کننده انواع روش‌های اجرا برنامه است، لیست می‌شود. در نهایت میزان سودآوری هر کدام تعیین شده و بهترین انتخاب می‌شود.

    بهره برداران سیستم‌های توزیع شده و بحث همگامی و همزمانی در آن بسیار زیاد است که در ادامه به چند نمونه اشاره می‌شود:

    کارخانه که خط تولید تمام الکترونیک داشته و با روبات‌ها به تولید می‌پردازد، هر ربات دارای کامپیوتری برای برنامه ریزی، ارتباطات، و کارهای دیگر می باشد. هنگامی که یک ربات در خط مونتاژ اطلاع پیدا کند که بخشی از نصب و یا انتقال کار معیوب است، از روبات دیگری در بخش قطعات درخواست می‌کند که آن را بایک قطعه دیگر جایگزین کند. اگر همه روبات ها از دستگاه‌های جانبی متصل به کامپیوتر مرکزی استفاده نمایند، سیستم باید برای این عمل همزمانی و همگامی مناسب را داشته باشد.

    یک سیستم کنترل ترافیک خودکار که در آن اطلاعات جمع آوری شده با استفاده از این اطلاعات تصمیم گیری لازم صورت می‌گیرد و سپس سیگنالهایی را به محرکهایی که محیط سیستم را اصلاح می‌نمایند فرستاده می‌شود. معمولاً هر فرآیند در پردازنده‌های جداگانه‌ای صورت می‌گیرد و برای این عمل نیاز به همگامی و همزمانی مناسب می‌باشد.

    بانکی با صدها شعبه در منطقه جغرافیایی بزرگی را در نظر بگیرید که در هر شعبه یک کامپیوتر مرکزی به ذخیره حساب های محلی و مسئولیت رسیدگی به معاملات محلی مربوط به منطقه خود را دارد. علاوه بر این، هر  کامپیوتر توانایی ارتباط با کامپیوترهای شعبه‌های دیگر و کامپیوتر مرکزی در دفتر مرکزی  را دارد. اگر معاملات را بتوان بدون توجه به جایی که مشتری حساب خود را افتتاح کرده است انجام داد، در این صورت نیز می توان این سیستم را به عنوان یک سیستم توزیع شده دانست و از الزامات آن نیاز به همگامی و همزمانی است.

    از دیگر کاربردها می‌توان به سیستم ATM، بانکداری اینترنتی، موتورهای جستجو اینترنتی، سرویس‌های پست الکترونیکی و برنامه‌های گفتگو برخط گروهی و آموزش مجازی برخط نمونه‌های دیگری از این قرار می‌باشد.

    1-4-               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.

    Abstract

    In a sensor network which is a distributed system, one of the items discussed synchronized communication. One of the major tasks of process synchronization, mutual exclusion is. New algorithms presented in comparison with traditional algorithms are with more justice act. In this Thesis, a model of competitive neural networks to provide distributed mutual exclusion. It is shown that when the Timestamp, runtime and other parameters predicted by competitive neural networks and an analytical model can solve the problems at the critical section. The model can be used to predict the effects of Hamming and Haplfyld simulated and graphs of speed and accuracy is analyzed. Model described above can reduce the information system and is compatible with priority learning systems. Therefore, it is possible that the use of competitive neural networks as a distributed system model of reliability, fault tolerance and mutual exclusion and access management to optimize our critical section. The new method is proposed to increase the fault tolerance of centralized and distributed algorithms can be used and accordingly higher reliability.

     

    Keywords: Sensor networks, distributed systems, Critical Section, Mutual Exclusion, competitive neural network, simulation, modeling

  • فهرست:

    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-           الگوریتم متمرکز. 87

    4-2-2-           الگوریتم نامتمرکز. 88

    4-2-3-           الگوریتم توزیع شده 89

    4-2-4-           الگوریتم 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

     

    منبع:

    A.K.Gupta And Y.P.Singh, "Analysis Of Hamming Network And MAXNET Of Neural Network Method In The String Recognition", International Conference On Communication Systems And Network Technologies, 2011.

    R.M.Chen And Y.M.Huang, "Competitive Neural Network To Solve Scheduling Problems", Neurocomputing 37, P. 177-196, 2001.

    W.Ahmed And Y.W.Wu, " A Survey On Reliability In Distributed Systems", Journal Of Computer And System Sciences 79, P. 1243–1255, 2013.

    J.Chen And J.Wu, "A Survey On Cryptography Applied To Secure Mobile Ad Hoc Networks And Wireless Sensor Networks", In Handbook Of Research On Developments And Trends In Wireless Sensor Networks: From Principle To Practice, 2010.

    S.A.Camtepe And B.Yener, "Key Distribution Mechanisms For Wireless Sensor Networks: A Survey", Rensselaer Polytechnic Institute, 2005.

    E.Stavrou And A.Pitsillides, "A Survey On Secure Multipath Routing Protocols In Wsns", Computer Networks Journal, 2010.

    E.Perrig, "TESLA: Efficient Authentication And Signing Of Multicast Streams Over Lossy Channels", IEEE Symposium Security And Privacy, P. 56–73, 2000.

    R.A.Shaikh, S.Lee, Y.J.Song And Y. Zhung. "Securing Distributed Wireless Sensor Networks: Issues And Guidelines", IEEE International Conference On Sensor Networks, Ubiquitous, And Trustworthy Computing, 2006.

    C.Y.Chong And S.P.Kumar, "Sensor Networks: Evolution, Opportunities And Challenges", Proceedings Of The IEEE, Vol. 91, No. 8, P. 12-47, 2003.

    R. Kumar, "Computation Hierarchy For In-Network Processing", Proceedings Of The 2nd Workshop On Sensor Networks And Applications, 2003.

    A.S.Tanenbaum And M.V.Steen, " Distributed Systems: Principles And Paradigms", Prentice Hall, 2002.

    H.Hussain, " A Survey On Resource Allocation In High Performance Distributed Computing Systems", Parallel Computing 39, P. 709–736, 2013.

    P.Meenakshi And P.M.Khilar, "Distributed Self Fault Diagnosis Algorithm For Large Scale Wireless Sensor Networks Using Modified Three Sigma Edit Test", Ad Hoc Networks, ARTICLE IN PRESS, 2014.

    R.Faludi, "Building Wireless Sensor Networks: A Practical Guide To Zigbee Mesh Networking Protocol", O'Reilly Media, 2010.

    W.LIU And Y.YAN, "Application Of Zigbee Wireless Sensor Network In Smart Home System", International Journal Of Advancements In Computing Technology, P. 154-160, 2011.

    M.Hatler,"Smart Home Sensor Networks" California: On World, 2011.

    M. Anderberg, "Cluster Analysis For Applications", Academic Press, 1973.

    امیر حیدری منش، مجتبی مصلح تهرانی، دکتر فرشید سهیلی و دکتر محسن عشوریان، " طراحی سیستم مانتورینگ چاههای نفت براساس شبکه حسگر بی‌سیم"، ماهنامه اکتشاف و تولید، 1390.

    فاطمه سادات آیت‌الهی و سعیده علی‌نژاد،"طراحی و ساخت نمونه‌ای از شبکه‌های حسگر بی‌سیم در حوزه کشاورزی"، پنجمین کنگره ملی مهندسی ماشین‌های کشاورزی و مکانیزاسیون.

    M.H.Wang And C.P.Hung, "Extension Neural Network And Its Applications", Neural Networks 16, P. 779–784, 2003.

    K.L.Du, " Clustering: A Neural Network Approach", Neural Networks 23, P. 89-107, 2010.

    H.Veisi And M.Jamzad, "A Complexity-Based Approach In Image Compression Using Neural Networks", International Journal Of Signal Processing 5, 2009.

    N.K.Kasabov, "Foundations Of Neural Networks, Fuzzy Systems, And Knowledge Engineering", The MIT Press Massachusetts Institute Of Technology, 1998.

    K.J.Hunt, D.Sbarbaro,  R.Zbikowskit And P.J.Gawthrop, "Neural Networks For Control Systems- A Survey", Automatica, Vol. 28, No. 6, P. 1083-1112, 1992.

    A.R.Abas, "Adaptive Competitive Learning Neural Networks", Egyptian Informatics Journal, P. 183–194, 2013.

    X.Nie And J.Cao, "Multistability Of Competitive Neural Networks With Time-Varying And Distributed Delays", Nonlinear Analysis: Real World Applications 10, P. 928–942, 2009.

    S.Behbahani And A.M.Nasrabadi, "Application Of SOM Neural Network In Clustering", Biomedical Science And Engineering, P. 637-643, 2009.

    M.Jabbarifar And M.Dagenais, "LIANA: Live Incremental Time Synchronization Of Traces For Distributed Systems Analysis", Journal Of Network And Computer Applications, Article In Press.

    W.Jeffrey, "Synchronization Techniques For Distributed Systems: An Overview", Microelectron. Reliab., Vol. 32, No. 1, P. 175-197, 1992.

    K.Georgios And K.Theodoropoulos, "Distributed Simulation Of Asynchronous Hardware: The Program Driven Synchronization Protocol", Journal Of Parallel And Distributed Computing 62, P. 622–655, 2002.

    A.Tarafdar And K.Vijay, "Predicate Control:Synchronization In Distributed Computations With Look-Ahead", Journal Of Parallel And Distributed Computing 64, P. 219–237, 2004.

    M.Florina, I.Riakiotakis, T.Andronikos, G.Papakonstantinou And T.Anthony, "Enhancing Self-Scheduling Algorithms Via Synchronization And Weighting", Journal Of Parallel And Distributed Computing 68, P. 246–264, 2008.

    C.Lenzen, T.Locher And R.Wattenhofer, "Tight Bounds For Clock Synchronization", Journal ACM 57, 2010.

    A.Hori, J.Lee And M.Sato, "Audit: A New Synchronization API For The GET/PUT Protocol", Journal Of Parallel And Distributed Computing 72, P. 1464–1470, 2012.

    H.Attiya And A.Milani, "Transactional Scheduling For Read-Dominated Workloads", Journal Of Parallel And Distributed Computing 72, P. 1386–1396, 2012.

    K.Skadron, D.Supinski, R.Bronis, T.Gamblinb And G.Lukasz, "Trellis: Portability Across Architectures With A High-Level Framework", Journal Of Parallel And Distributed Computing 73, P. 1400–1413, 2013.

    M.Panunzio And T.Vardanega, "An Architectural Approach With Separation Of Concerns To Address Extra-Functional Requirements In The Development Of Embedded Real-Time Software Systems", Journal Of Systems Architecture, 2014.

    J.Aweya, "Implementing Synchronous Ethernet In Telecommunication Systems", IEEE Communications Surveys And Tutorials, VOL. 16, NO. 2, 2014.

    P.Luszczek, J.Kurzak And J.Dongarra, "Looking Back At Dense Linear Algebra Software", Journal Of Parallel And Distributed Computing 74, P. 2548–2560, 2014.

    Q.Zhu, W.Zhou, L.Zhou, M.Wu And D.Tong, "Mode-Dependent Projective Synchronization For Neutral-Type Neural Networks With Distributed Time-Delays," Neurocomputing 140, P. 97–103, 2014.

    L.Fan, Y.Ling, T.Wang, X.Zhu And X.Tang, "Novel Clock Synchronization Algorithm Of Parametric Difference For Parallel And Distributed Simulations", Computer Networks 57, P. 1474–1487, 2014.

    G.S.Tian, Y.C.Tian And C.Fidge, "Precise Relative Clock Synchronization For Istributed Control Using TSC Registers", Journal Of Network And Computer Applications, 2014.

    C.H.Hsu, "Real-Time Embedded Software For Multi-Core Platforms", Journal Of Systems Architecture 60, P. 245–246, 2014.

    F.Dörfler And F.Bullo, "Synchronization In Complex Networks Of Phase Oscillators: A Survey", Automatica 50, P. 1539–1564, 2014.

    K.Kambatla, G.Kollias, V.Kumar And A.Grama, "Trends In Big Data Analytics", Journal Of Parallel And Distributed Computing 74, 2014.

    H.Casanova, A.Giersch, A.Legrand, M.Quinson And F.Suter, "Versatile, Scalable And Accurate Simulation Of Distributed Applications And Platforms", Journal Of Parallel And Distributed Computing 74, P. 2899–2917, 2014.

    C.Zhang, W.Li And K.Wang, "Graph-Theoretic Method On Exponential Synchronization Of Stochastic Coupled Networks With Markovian Switching", Nonlinear Analysis: Hybrid Systems 15, P. 37-51, 2015.

    O.Sporns, D.R.Chialvo, M.Kaiser And C.C.Hilgetag, "Organization, Development And Function Of Complex Brain Networks", Trends In Cognitive Sciences, Vol. 8, No. 9, P. 418-425, 2004.

    S.Haykin, "Neural Networks A Comprehensive Foundation", Second Edition, Prentice Hall, 1999.

    S.P.Neelakanda, "Information Theoretic Aspects Of Neural Networks", First Edition, CRC Press LCC, 1999.

    T.Imaruoka, J.Saiki And S.Miyauchi,"Maintaining Coherence Of Dynamic Objects Requires Coordination Of Neural Systems Extended From Anterior Frontal To Posterior Parietal Brain Cortices", Neuroimage 26, P. 277–284, 2005.

    W.Song And V.V.Phoha, "Neural Network-Based Reputation Model In A Distributed System", Proceedings Of The IEEE International Conference On E-Commerce Technology, 2004.

    J.Smith And P.Watson, "Fault-Tolerance In Distributed Query Processing", Proceedings Of The 9th International Database Engineering And Application Symposium, 2005.

    A.S.Tanenbaum And M.V.Steen, "Distributed Systems Principles And Paradigms", Prentice-Hall International Inc, 2002.

    D.S.Stoller And FB.Schneider, "Automated Analysis Of Fault-Tolerance In Distributed Systems", Formal Methods In System Design, Vol. 26, P. 183–196, 2005.

    V.K.Gag And B.Waldecker, "Detection Of Weak Unstable Predicates In Distributed Programs", Ieee Transactions On Parallel And Distributed Systems, Vol. 5, No. 3, 1994.

    A.Schaad, V.Lotz And K.Sohr, "A Model-Checking Approach To Analyzing Organizational Controls In A Loan Origination Process", SACMAT’06, P. 139-149, 2006.

    S.Tirthapura, "Self-Stabilizing Distributed Queuing", International Symposium On Distributed Computing, P. 209-223, 2001.

    P. Bayat, I. Avazpour, M. I. Saripan And A. R. Ramli, "A New Simulation Method Of Distributed Mutual Exclusion On Neural Networks", IETECH Journal Of Advanced Computations, Vol. 2, P. 201-208, 2008.

    G.Jaklic, J.Modic, "Euclidean Graph Distance Matrices Of Generalizations Of The Star Graph", Applied Mathematics And Computation 230, P. 650–663, 2014.

    L.Shu, M.Hauswirth, H.C.Chao And Y.Zhang, "Nettopo: A Framework Of Simulation And Visualization For Wireless Sensor Networks", Ad Hoc Networks 9, P. 799-820, 2011.

    D.Bein, Y.Wen, S.Phoha, B.B.Madan And A.Ray, "Distributed Network Control For Mobile Multi-Modal Wireless Sensor Networks", J. Parallel Distrib. Comput. 71, P. 460-470, 2011.

    S.M.Allen, D.Evans, S.Hurley And R.M.Whitaker, "Communications Network Design With Mobility Characteristics", Ieee, 2002.

    J.Nemeroff, L.Garcia, D.Hampel And S.Dipierro, "Application Of Sensor Network Communications", Ieee, 2001.

    M.Challenger, P.Bayat And M.R.Meybodi, "A Reliable Optimization On Distributed Mutual Exclusion Algorithm", Testbeds And Research Infrastructures For The Development Of Networks And Communities, 2006.

    S.Lodha And A.Kshemkalyani, " A Fair Distributed Mutual Exclusion Algorithm", Ieee Transactions On Parallel And Distributed Systems, Vol. 11, No. 8, 2000.

    G.L.Lann, "Distributed Systems Toward A Formal Approach" Computing Of The Ifip Congress, P. 155-160, 1977.

    I.Suzuki And T.Kasami, "A Distributed Mutual Exxclusion Algorithm." Acm Ttransactions On Computer System (Tocs), Vol. 3, No. 4, P. 344-349, 1985.

    G.Ricart And A.K.Agrawala, "Author Response To 'On Mutual Exclusion In Computer Networks' By Arvalho And Roucairol," Communications Of The Acm, Vol. 26, No. 2, P.147-148, 1983.

    M.Mizuno, M.L.Neilsen And R.Rao, "A Token Based Distributed Mutual Exclusion Algorithm Based On Quorum Agreements", 1th Conference On Distributed Computing Systems, P. 361-368, 1991.

    D.Agrawal And A.Abbadi, "An Efficient And Fault-Tolerant Solution For Distributed Mutual Exclusion", Acm Transactions On Computer Systems, Vol. 9, No. 1, P. 1-20, 1991.

    Y.J.Joung, "Asynchronous Group Mutual Exclusion", Technical report, Department of Information Management, 1998.

    Y.J.Joung, "Asynchronous Group Mutual Exclusion." Distributed Computing, vol. 13, no. 4, p. 189-206, 2000.

    K.Alagarsamy and K.Vidyasankar, "Elegant solusions for group mutual exclusion problem", Technical report, Department of computer Science, Memorial University of Newfoundland, 1999.

    P.Keane and M.Moir, "A simple local-spin group mutual exclusion algorithm", in Proceedings of the 18th Annual ACM Saymposium on Principles of Disstributed Computing (PODC), P. 23-32, 1999.

    Y.J.Joung, "The Congenial Talking Philosophers Problem in Computer Networks", Distributed Computing p. 155-175, 2002.

    G.RICART and A.AGRAWALA, "An Optimal Algorithm for Mutual Exclusion in Computer Networks", Commun ACM 24, 1981.

    M.Senouci, A.Liazid and D.Benhamamouch,"Towards an Exclusion Mutual Tolerant Algorithm to Failures", Journal of Computer 


تحقیق در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , مقاله در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , پروژه دانشجویی در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , پروپوزال در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , تز دکترا در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , تحقیقات دانشجویی درباره پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , مقالات دانشجویی درباره پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , پروژه درباره پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , گزارش سمینار در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , پروژه دانشجویی در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , تحقیق دانش آموزی در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , مقاله دانش آموزی در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی , رساله دکترا در مورد پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی

پایان نامه برای دریافت درجه کارشناسی ارشد(M.Sc) چکیده شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع ...

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش: حسابداری چکیده: در این مقاله به دنبال پیش بینی و ارائه راهکاری برای یافتن ارزش افزوده اقتصادی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران هستیم. مبنای پیش بینی های انجام شده در این پژوهش اطلاعات صورت های مالی حسابرسی شده است. داده های مورد استفاده نیز داده های بین سال های 1382 الی 1387 است. پس از انجام محاسبه های لازم با ...

پایان نامه کارشناسی ارشد چکیده ضرورت داشتن محیط سالم و بالا بردن سطح سلامت جامعه، نیاز به داشتن برنامه ریزی صحیح جهت کاهش منابع تولید آلاینده‌های هوا و نیز پیش‌بینی این آلاینده‌ها برای جلوگیری از اثرات مضر آن را اجتناب ناپذیر می‌نماید. پیش‌بینی آلاینده‌ها می‌تواند در مدیریت و کنترل آلودگی هوا مفید واقع شود. در این تحقیق، آلایندۀ O3 بدلیل اثرات مضر آن‌ بر سلامتی انسان و نیز ...

چکیده شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع محاسبه توان مصرفی در طراحی سیستم‌های کم توان بسیار ...

پايان نامه کارشناسي ارشد رشته مديريت فناوري اطلاعات (M.Sc) سال تحصيلي 1390- 1389   چکيده به منظور بررسي و پيش‌بيني الگوي پراکنش کفزيان مهم اقتصادي، داده‌هاي صيد 10 گونه

پایان نامه کارشناسی ارشد رشته مهندسی عمران – سازه‌ های هیدرولیکی چکیده: رودخانه‌ ها از مهم‌ترین و متداول‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعتی به شمار می‌آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیش‌بینی کیفیت جریان رودخانه‌ها که پدیده‌ای غیر قطعی، تصادفی و تأثیرپذیر از برخی عوامل طبیعی و غیر ...

پایان‌نامه دوره کارشناسی ارشد مهندسی کامپیوتر چکیده گسترش وب که فاقد یک ساختار یکپارچه است مشکلات متعددی را برای کاربران ایجاد می‌نماید. عدم یافتن اطلاعات مورد نیاز کاربران در این انباره‌ی عظیم یکی از مشکلات کاربران وب می‌باشد. به منظور مقابله با این مشکلات سیستم‌ های شخصی سازی وب ارائه شده‌ است که با یافتن الگوهای رفتاری کاربران بدون درخواست صریح آنها قادر هستند تا پیشنهاداتی ...

پایان نامه مقطع کارشناسی ارشد چکیده: پیش بینی بار کوتاه مدت، به صورت پیش بینی بار یک ساعت تا چند روز آینده تاثیر به سزایی بر امر بهره برداری سیستم های قدرت دارد. زیرا بسیاری از تدابیر مدیریت انرژی از قبیل تنظیم برنامه مقرون به صرفه جهت استفاده از نیروگاه های موجود، برنامه ریزی خرید سوخت مورد نیاز نیروگاه ها، ورود و خروج واحدها، توسعه خطوط انتقال و ترانس شبکه فوق توزیع و همچنین ...

پایان نامه مقطع کارشناسی ارشد چکیده: پیش بینی بار کوتاه مدت، به صورت پیش بینی بار یک ساعت تا چند روز آینده تاثیر به سزایی بر امر بهره برداری سیستم های قدرت دارد. زیرا بسیاری از تدابیر مدیریت انرژی از قبیل تنظیم برنامه مقرون به صرفه جهت استفاده از نیروگاه های موجود، برنامه ریزی خرید سوخت مورد نیاز نیروگاه ها، ورود و خروج واحدها، توسعه خطوط انتقال و ترانس شبکه فوق توزیع و همچنین ...

رساله دکتري مهندسي عمران - زلزله تابستان 1393 چکيده يکي از ابزارهاي مناسب براي شناخت وضعيت شبکه­ هاي توزيع آب به عنوان يکي از سيستم­هاي شريان حياتي، شاخص قابليت اعتماد است. يک دست

ثبت سفارش