بهبود عملکرد اینترنت اشیا با استفاده از مکان یابی اشیا متحرک با بکارگیری شبکه عصبی
Improving the Internet of Things Function by Locating Moving Objects Using the Neural Network
بهبود عملکرد اینترنت اشیا با استفاده از مکان یابی اشیا متحرک با بکارگیری شبکه عصبی – کارشناسی ارشد
چکیده
اینترنت اشیا مفهومی هست که حضور نافذ از تنوع اشیا با اتصالات بیسیم و سیمدار و طرحهای آدرس دهی منحصر به فرد و توانمند به محاوره با همدیگر، را مورد توجه قرار میدهد و این اشیا برای ایجاد کاربردهای سرویسهای جدید و رسیدن به اهداف مشترک با همدیگر همکاری میکنند. در این تحقیق برای جلوگیری از احتمال رخداد آنومالی به یکی از حوزههای مهم آن یعنی تخمین موقعیت مکانی اشیا پرداخته شد.
در حقیقت جابجایی بحث متحرک بودن برخی اشیا مانند خودرو، تلفن همراه و … یک بحث حیاتی در اینترنت اشیا محسوب میگردد. برای رسیدن به جواب مناسب روش پیشنهادی در این پایان نامه استفاده از الگوریتم شبکه عصبی پس انتشار خطا میباشد. در ادامه نشان خواهیم داد که ایده یادگیری و تخمین موقعیت مکانی اشیا با استفاده از شبکه عصبی مذکور تا حدودی موفق شده است در زمینه موقعیت مکانی اشیا، نسبت به روشهای مشابه بهتر عمل نماید.
The Internet of things has conceptual objects which concerns the various presence of objects with wireless and wired connectivity and unique and potent conversational designing schemes and these objects collaborate with each other to create new applications / services and achieve common goals. In this research,one of the important areas of estimation of the location of objects was considered to prevent the possibility of anomalies
. In fact, displacement in the discussion of moving objects such as automobiles, mobile phones, etc. is considered as a vital topic on the internet of things. To get the appropriate solution, the proposed method in this thesis is to use Backpropagation neural network algorithm. In the following, we show that the idea of learning and estimating the location of objects using the neural network has somehow succeeded, compared to the similar methods for object locating
اینترنت اشیا, مکان یابی اشیا متحرک, شبکه عصبی پس انتشار خطا
Internet of Things, Locating Moving Objects, Backpropagation Neural Network