کنترل ترافیک با انرژی کارآمد در شبکه های حسگر بی سیم
ترجمه نشده

کنترل ترافیک با انرژی کارآمد در شبکه های حسگر بی سیم

عنوان فارسی مقاله: عامل مصنوعی: تلفیق هوش مصنوعی و یک عامل متحرک برای کنترل ترافیک با انرژی کارآمد در شبکه های حسگر بی سیم
عنوان انگلیسی مقاله: Artificial agent: The fusion of artificial intelligence and a mobile agent for energy-efficient traffic control in wireless sensor networks
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده - Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط: هوش مصنوعی، شبکه های کامپیوتری، الگوریتم ها و محاسبات، مهندسی نرم افزار
کلمات کلیدی فارسی: شبکه های حسگر بی سیم، Actor-Critic، عامل متحرک، یادگیری تقویتی
کلمات کلیدی انگلیسی: Actor-Critic، WSNs، Mobile agent، Reinforcement learning
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.12.024
دانشگاه: School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 7/007 در سال 2018
شاخص H_index: 93 در سال 2019
شاخص SJR: 0/835 در سال 2018
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 24
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E11548
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Related work


3- Architecture and the design of an artificial agent for WSNs


4- Artificial agent energy-efficient traffic control in WSNs


5- Experiments and performance evaluation


6- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Applications of wireless sensor networks are blooming for attacking some limits of social development, among which energy consumption and communication latency are fatal. Effective communication traffic control and management is a potential solution, so we propose a novel traffic-control system based on deep reinforcement learning, which regards traffic control as a strategy-learning process, to minimize energy consumption. Our algorithm utilizes deep neural network for learning, inputs the state of wireless sensor network as well as outputs the optimal route path. The simulation experiments demonstrate that our algorithm is feasible to control traffic in wireless sensor network and can reduce the energy consumption.


Introduction


Nowadays, with the rapid development of the Internet of Things (IoTs) technology, wireless sensor networks (WSNs), as the core component of the IoT sensing layer, have been widely applied in a variety of field [1][2]. Sensor-network technology is able to integrate many technologies, such as computers, communications, and microelectronics [3], consisting of a set of unique or heterogeneous sensors distributed in different geographical regions. It concurrently monitors the physical or environmental conditions (such as temperature, pressure, motion and pollution) through the wireless channel, and transfers the data collected to the central server to form an autonomous network, realizing the dynamic intelligent collaborative perception of the physical world. At present, it has been widely used in intelligent furniture, logistics management, health supervision, flow monitoring and other fields. Compared with a traditional wireless network, the sensor network is characterized by a large number of nodes, limited computing and storage capacity, limited power capacity, and limited communication capability [4]. Most datacollection sensor nodes are powered by batteries, which are usually deployed for life because of the poor working environment. Thus, the main challenge in the design of protocols for WSNs is energy efficiency [5][6], due to the limited amount of energy in the sensor nodes. One of the most important parts when we apply deep reinforcement learning to WSNs is the energy in the WSNs.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

کنترل ترافیک با انرژی کارآمد در شبکه های حسگر بی سیم
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها