ارایه یک روش جدید برای کاهش مصرف انرژی در شبکه های حسگر بیسیم با استفاده از ویژگی های شبکه های عصبی

درسالهای اخیر تمایلات شدیدی به استفاده ازروشهای هوش مصنوعیدرکاهش مصرف انرژی شبکه های حسگر بی سیم ایجاد شدها ست به ویژه شبکه های عصبی مصنوعی بهدلیل برخورداری از قابلیت های بی مانندی نظیر رده بندی خودکار داده ها کاهش ابعاد داده ها پردازش آسان و ... به عنوان ابزاری موثر و قدرتمند تقریبا درتمامی جنبه های کاهشمصرف انرژی در شبکه های حسگربیسیم کاربرد دارنددراین مقاله به مساله مسیریابی مبتنی بر خوشه بندی در شبکه های حسگربی سیم با هدف کاهش مصرف انرژی و حفظ پوشش شبکه ای پرداخته شده اس برای رسیدن به این هدف ازشبکه عصبی نقشه خودسازماندهی SOM جهت ارایه پروتکل خوشه بندی مبتنی برانرژی استفاده شده است شبکه عصبی خودسازمانده بعد از آموزش و تنظیم مجدد وزن ها خوشه هایی براساس گره های پرانرژی در شبکه شکل خواهد داد درواقع هرخوشه ترکیبی ازیک گره پرانرژی و نزدیک ترین گره های کم انرژی است بدین ترتیب همه خوشه ها تقریبا از سطح انرژی یکسانی برخوردار خواهند بود. این پروتکل جدید که پروتکل خوشه بندی مبتنی برانرژی خودسازمانده EBCS نام دارد خوشه بندی را با توجه به دو معیار سطح انرژی و مختصات مکانی هرگه انجام میدهد و برتری آن از لحاظ افزایش طول عمر و حفظ بیشتر پوشش شبکه ای با شبیه سازی به اثبات رسیده است.