شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی word

فهرست مطالب

فصل 1- مقدمه2

1-1- مقدمه3

1-2- سیستم‌های توزیع شده4

1-3- شبکه‌های حسگر5

1-4- تعریف مسئله و اهداف تحقیق7

1-5- ساختار پایان‌نامه10

فصل 2- مفاهیم پیش‌زمینه12

2-1- مقدمه13

2-2- تعریف سیستم‌های توزیعی13

2-3- اهداف15

2-3-1- دسترس‌پذیر کردن منابع15

2-3-2- شفافیت توزیع16

2-3-3- باز بودن17

2-3-4- مقیاس‌پذیری18

2-4- انواع سیستم‌های توزیعی19

2-4-1- سیستم‌های محاسبات توزیعی19

2-4-2- سیستم‌های اطلاعات توزیعی23

2-4-3- سیستم‌های فراگیر توزیعی30

2-5- شبکه‌های حسگر37

2-5-1- شبکه‌های حسگر بی‌سیم، جهان و ایران37

2-5-2- وضیعت شبکه حسگر بی‌سیم در جهان38

2-5-3- وضیعت شبکه حسگر بی‌سیم در ایران40

2-6- مفاهیم شبکه های عصبی44

2-6-1- مشخصات نرون44

2-6-2- مدل تک ورودی44

2-6-3- توابع محرک44

2-6-4- مدل چند ورودی46

2-6-5- ساختار شبکه های عصبی46

2-7- آموزش و یادگیری شبکه‌های عصبی مصنوعی48

2-7-1- آموزش با نظارت49

2-7-2- آموزش بدون نظارت49

2-7-3- آموزش تقویت یافته50

2-7-4- آموزش رقابتی50

2-7-5- برنامه و آموزش شبکه‌های عصبی مصنوعی به روش پس انتشار خطا51

2-7-6- قدرت تفکیک شبکه‌های عصبی مصنوعی52

2-8- شبکه‌های عصبی خودسازمان‌ده52

2-9- شبکه های خودسازمانده دارای وزن ثابت53

2-9-1- شبکه ی ماکس نت53

2-9-2- شبکه ی کلاه مکزیکی54

2-9-3- شبکه ی همینگ57

فصل 3- کارهای مرتبط60

3-1- مقدمه61

3-2- کارهای مرتبط61

فصل 4- شبیه‌سازی و مدل نمودن شبکه‌های حسگر با شبکه‌های عصبی رقابتی84

4-1- مقدمه85

4-2- انحصار متقابل86

4-2-1- الگوریتم متمرکز87

4-2-2- الگوریتم نامتمرکز88

4-2-3- الگوریتم توزیع شده89

4-2-4- الگوریتم حلقه‌نشانه92

4-3- شباهت‌های شبکه‌عصبی و سیستم توزیع‌شده93

4-3-1- منابع94

4-3-2- شفافیت94

4-3-3- عملیات یادگیری95

4-3-4- مدل مشتری - خدمت‌گذار95

4-3-5- پردازش موازی95

4-3-6- سخت‌افزار و نرم‌افزار96

4-4- مدل پیشنهادی96

فصل 5- ارزیابی101

5-1- ارزیابی مدل پیشنهادی102

فصل 6- نتیجه‌گیری و کارهای آینده111

6-1- نتیجه گیری و کارهای آینده112

مراجع.................................................................................................................................................................115

فهرست جداول

جدول ‏2‑1- انواع مختلف شفافیت در سیستم های توزیعی ]11[17

جدول ‏2‑2- نمونه ای از عمل های پایه در تراکنش ها ]11[25

جدول ‏3‑1- مقایسه سه الگوریتم MDX بنیادی ]37[66

 فهرست نمودارها/ اشکال

شکل ‏2‑1- سیستم توزیع‌شده‌ای که به صورت میان‌افزار سازمان‌دهی شده است. لایه میان‌افزار روی چندین ماشین گسترده شده است و برای تمامی برنامه‌های کاربردی، واسط یکسانی را ارایه می‌دهد ]11[.15

شکل ‏2‑2- نمونه ای از سیستم محاسباتی خوشه ای ]11[20

شکل ‏2‑3- یک معماری لایه ای برای سیستم های محاسبات توری ]11[22

شکل ‏2‑4- تراکنش تو در تو ]11[27

شکل ‏2‑5- نقش ناظر TP در سیستم های توزیعی ]11[28

شکل ‏2‑6- میان افزار به عنوان تسهیل کننده ارتباط در جامعیت برنامه کاربردی سازمانی ]11[29

شکل ‏2‑7- نظارت بر شخص در سیستم فراگیر حافظ سلامت الکترونیکی با استفاده از (الف) هاب محلی یل (ب) اتصال بی سیم دایمی ]11[34

شکل ‏2‑8- سازماندهی پایگاه داده شبکه حسگر که داده ها را (الف) فقط روی سایت اپراتور یا (ب) فقط روی حسگرها ذخیره و پردازش می کند ]11[36

شکل ‏2‑9- سهم کشورهای مختلف از شبکه های حسگر ]10[38

شکل ‏2‑10. توپولوژی شبکه برای خانه هوشمند ]16[39

شکل ‏2‑11. نفوذ شبکه های حسگر بیسیم در بازار ]10[43

شکل ‏2‑12- مدل نرون تک ورودی ]23[44

شکل ‏2‑13- مدل نرون چند ورودی ]23[46

شکل ‏2‑14- شبکه تک لایه با S نرون ]24[47

شکل ‏2‑15- لایه ترکیبی با دو نوع تابع محرک F¹ و F²]24[47

شکل ‏2‑16- نمایی از لایه خروجی ]23[48

شکل ‏2‑17- مدل ساختاری شبکه ی MaxNet]1[53

شکل ‏2‑18- مدل ساختاری شبکه ی کلاه مکزیکی که اتصالات فقط بری واحد i ام رسم شده ]1[55

شکل ‏2‑19- مدل ساختاری یک واحد از شبکه ی همینگ ]1[57

شکل ‏2‑20- مدل ساختاری شبکه همینگ58

شکل ‏3‑1 - : الگوریتم توزیع شده ریکارت و آگراوالا69

شکل ‏3‑2- چارت زمان بندی برای 3 پروسه وقتی P1 می میرد ]65[73

شکل ‏3‑3- مشابه شکل 3-2، اما P1 زنده است ]65[74

شکل ‏3‑4- الگوریتم انحصار متقابل ارایه شده در ]66[75

شکل ‏4‑1- مثالی از الگوریتم متمرکز ]71[87

شکل ‏4‑2- مثالی از الگوریتم توزیع شده90

شکل ‏4‑3- الگوریتم حلقه نشانه ]70[92

شکل ‏4‑4- سه بعد شرکت کننده در رقابت97

شکل ‏4‑5- انتخاب یک بردار (درخواست) غالب100

شکل ‏5‑1- انواع مختلفی از ورودی های قابل نمایش103

شکل ‏5‑2- انواع مختلفی از خروجی های قابل نمایش104

شکل ‏5‑3- نمونه ای از اجرای مدل پیشنهادی با داده های فرضی105

شکل ‏5‑4- الگوریتم خواندن کلیه درخواست ها برای ناحیه بحرانی107

شکل ‏5‑5- الگوریتم خواندن درخواست هایی با حداقل برچسب زمانی و جواب داده نشده108

شکل ‏5‑6- آموزش شبکه عصبی در متلب108

شکل ‏5‑7- اجرای شبیه سازی و ثبت نتایج108

شکل ‏5‑8- بخشی از وزن های تنظیم شده بعد از آموزش شبکه109

شکل ‏5‑9- بایاس تنظیم شده بعد از آموزش شبکه109

شکل ‏5‑10- نمودار مقیاس‌پذیری مدل ارایه شده110

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 الگوریتم‌های 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 نمودارهای 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: شبکه‌های حسگر، سیستم توزیع شده، ناحیه بحرانی، انحصار متقابل، شبکه عصبی رقابتی، شبیه‌سازی، مدل‌سازی

 فصل 1:

  فصل 1- مقدمه

 1-1- 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 شبکه‌های 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.