تنظيم بهينه پارامترهاي شبكه عصبي عميق در برآورد داده هاي از دست رفته ي علائم حياتي در شبكه هاي حسگر بي سيم بدن

در شبكه هاي حسگر بي سيم به دليل عوامل مختلفي از قبيل انرژي محدود، قابليت انتقال سنسورها، خرابي سخت افزار و مشكلات شبكه مانند برخورد بسته ها، پيوند غيرقابل اطمينان و آسيب هاي غير منتظره، مقدار حس شده به سرخوشه يا ايستگاه پايه نمي رسد. لذا از بين رفتن داده ها در شبكه هاي حسگر بي سيم بسيار متداول است. از دست دادن داده هاي سنجيده شده، دقت WBAN را كاهش مي‌دهد. براي حل اين مشكل، داده هاي گم شده بايد برآورد شوند. به منظور پيش بيني مقادير گم شده، يك مدل برآورد داده از دست رفته بر اساس شبكه عصبي LSTM (حافظه كوتاه مدت) در اين مقاله ارائه شده است. اين مدل پنج علامت حياتي را به عنوان ورودي براي پيش بيني مقدار از دست رفته تركيب مي كند. نتايج نشان مي دهد كه sgdm-LSTM روش خوبي براي برآورد مقدار از دست رفته است. ضمنا، نتايج تجربي نشان مي دهد كه ميانگين خطاي مربع ريشه مقدار برآورد شده كمتر از ساير روش ها است. اين مقدار، با بهترين ابر پارامترهاي شبكه 4.1495 است.