نمایش مختصر رکورد

dc.contributor.authorابراهیمی, ابوالفضلfa_IR
dc.contributor.authorشمسی, محبوبهfa_IR
dc.contributor.authorمحجل, مرتضیfa_IR
dc.date.accessioned1401-09-20T20:43:21Zfa_IR
dc.date.accessioned2022-12-11T20:43:21Z
dc.date.available1401-09-20T20:43:21Zfa_IR
dc.date.available2022-12-11T20:43:21Z
dc.date.issued2022-03-21en_US
dc.date.issued1401-01-01fa_IR
dc.date.submitted2021-09-28en_US
dc.date.submitted1400-07-06fa_IR
dc.identifier.citationابراهیمی, ابوالفضل, شمسی, محبوبه, محجل, مرتضی. (1401). تنظیم بهینه پارامترهای شبکه عصبی عمیق در برآورد داده های از دست رفته ی علائم حیاتی در شبکه های حسگر بی سیم بدن. مدیریت مهندسی و رایانش نرم, 8(1), 253-287. doi: 10.22091/JEMSC.2022.7422.1162fa_IR
dc.identifier.issn2538-2675
dc.identifier.urihttps://dx.doi.org/10.22091/JEMSC.2022.7422.1162
dc.identifier.urihttps://jemsc.qom.ac.ir/article_2346.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/935521
dc.description.abstractدر شبکه های حسگر بی سیم به دلیل عوامل مختلفی از قبیل انرژی محدود، قابلیت انتقال سنسورها، خرابی سخت افزار و مشکلات شبکه مانند برخورد بسته ها، پیوند غیرقابل اطمینان و آسیب های غیر منتظره، مقدار حس شده به سرخوشه یا ایستگاه پایه نمی رسد. لذا از بین رفتن داده ها در شبکه های حسگر بی سیم بسیار متداول است. از دست دادن داده های سنجیده شده، دقت WBAN را کاهش می‌دهد. برای حل این مشکل، داده های گم شده باید برآورد شوند. به منظور پیش بینی مقادیر گم شده، یک مدل برآورد داده از دست رفته بر اساس شبکه عصبی LSTM (حافظه کوتاه مدت) در این مقاله ارائه شده است. این مدل پنج علامت حیاتی را به عنوان ورودی برای پیش بینی مقدار از دست رفته ترکیب می کند. نتایج نشان می دهد که sgdm-LSTM روش خوبی برای برآورد مقدار از دست رفته است. ضمنا، نتایج تجربی نشان می دهد که میانگین خطای مربع ریشه مقدار برآورد شده کمتر از سایر روش ها است. این مقدار، با بهترین ابر پارامترهای شبکه 4.1495 است.fa_IR
dc.format.extent1119
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشگاه قمfa_IR
dc.publisherQom Universityen_US
dc.relation.ispartofمدیریت مهندسی و رایانش نرمfa_IR
dc.relation.ispartofEngineering Management and Soft Computingen_US
dc.relation.isversionofhttps://dx.doi.org/10.22091/JEMSC.2022.7422.1162
dc.subjectبرآوردfa_IR
dc.subjectداده ی از دست رفتهfa_IR
dc.subjectشبکه حسگر بی سیم بدنfa_IR
dc.subjectشبکه ی عصبی مصنوعیfa_IR
dc.subjectیادگیری عمیقfa_IR
dc.titleتنظیم بهینه پارامترهای شبکه عصبی عمیق در برآورد داده های از دست رفته ی علائم حیاتی در شبکه های حسگر بی سیم بدنfa_IR
dc.typeTexten_US
dc.typeمقاله پژوهشیfa_IR
dc.contributor.departmentدانشجوی کارشناسی ارشد مهندسی نرم افزار دانشگاه صنعتی قمfa_IR
dc.contributor.departmentاستادیار گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم، ایرانfa_IR
dc.contributor.departmentاستادیار گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم، ایرانfa_IR
dc.citation.volume8
dc.citation.issue1
dc.citation.spage253
dc.citation.epage287
nlai.contributor.orcid0000-0003-1238-4315


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد