شماره ركورد كنفرانس :
5467
عنوان مقاله :
بهينه سازي تركيبي با يادگيري مجموعه براي اطمينان از پايداري شبكه VANET بر اساس تجزيه و تحليل عملكرد
پديدآورندگان :
شاه محمدي مهدي mahdi.shahmohammadi1996@gmail.com دانشجوي تحصيلات تكميلي مهندسي كامپيوتر، دانشكده فني و مهندسي، دانشگاه آزاد اسلامي، واحد خوراسگان، اصفهان، ايران , سلطان آقايي محمدرضا soltan@khuisf.ac.ir استاديار مهندسي كامپيوتر، دانشكده فني و مهندسي، دانشگاه آزاد اسلامي، واحد خوراسگان، اصفهان، ايران
كليدواژه :
وسايل نقليه خودكار , سيستمهاي حمل و نقل هوشمند , واحد كنار جاده , شبكه ويژه وسايل نقليه , يادگيري ماشين
عنوان كنفرانس :
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق
چكيده فارسي :
تحرك زياد وسيله نقليه، تغيير تراكم وسيله نقليه و فاصله بين خودروهاي در حال حركت، همه مسائل مهم در محيط VANET هستند. در نتيجه، يك پروتكل مسير يابي بهينه، عملكرد كلي VANET را با امكان دسترسي مكرر به سرويس، بهبود ميبخشد. همچنين شناسايي حملات در VANET براي برقراري ارتباط امن تر و مطمئن تر بين تمام وسايل نقليه در سيستم بسيار مهم است؛ بنابراين، يك تكنيك يادگيري ماشيني مبتني بر مجموعه براي پيشبيني تحرك VANET استفاده ميشود. در اين پاياننامه، يك سيستم تشخيص نفوذ هوشمند مؤثر با استفاده از روشهاي يادگيري ماشين و يادگيري عميق مانند سيستم استنتاج فازي عصبي تطبيقي و شبكه هاي عصبي مصنوعي پيشنهاد شده است. در اين روشهاي نه تنها بر شناسايي حملات شناخته شده در محيط VANET نظارت دارد بلكه مسيريابي خودكار نيز انجام ميشود. الگوريتم هاي يادگيري ماشين مورد استفاده شامل شبكه عصبي مصنوعي و شبكه فازي ميباشد. پارامترهاي ارزيابي روش شامل: درستي، توان عملياتي، ميزان افت، انرژي، مصرف و تأخير هست كه از 5 كره تا 80 گره محاسبه شده و خروجي نشاندهنده توان بالاي الگوريتم براي بهينه سازي مسيريابي خودكار ميباشد.
