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

  • Code: # 31076

  • تعداد صفحات: 131
  • فرمت فایل: word
  • سال: 1394
  • مقطع: کارشناسی ارشد
  • دسته بندی: مهندسی کامپیوتر
قیمت جدید: ۳۵,۰۰۰ تومان
۶۴,۰۰۰ تومان
دانلود
  • خلاصه
  • فهرست
  • خلاصه پایان نامه شبیه سازی و مدل نمودن شبکه های حسگر با شبکه های عصبی رقابتی

    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.

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

    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 

  • ثبت سفارش
    عنوان محصول
    قیمت