بهبود قابلیت اطمینان و عمر باتری در شبکه های ارتباطی اینترنت اشیاء: چالش ها و راهبرد های مبتنی بر یادگیری ماشینی

در راستای تحقق یک جامعه هوشمند، برقراری ارتباط برای تمام اشیای هوشمند با هزینه و انرژی مصرفی کم یک نیاز اساسی است. شبکه های بی سیم کنونی برای برقراری بهینه ارتباطات، به مدیریت متمرکز شبکه و منابع نیاز دارند و عواملی مانند انرژی مصرفی در ارسال - دریافت سیگنال های کنترلی و تعداد زیاد دستگاه های اینترنت اشیاء، امکان استفاده از چنین رویکردهای متمرکزی را در آینده غیرممکن خواهند کرد. برای حل این مشکل، در این مقاله امکان استفاده از راه حل های مبتنی بر یادگیری ماشینی برای شبکه های اینترنت اشیاء بررسی شده است. در گام نخست برای دستیابی به این هدف، روش های یادگیری با پیچیدگی کم بررسی شده اند که مناسب پیاده سازی در اشیاءاند. در ادامه، یک روش یادگیری برای تطبیق پارامترهای مخابراتی در اشیاء با محیط پیرامون آنها ارایه شده است. در این روش پیشنهادی، تابع ارزش هر تصمیم براساس سابقه انرژی مصرفی و میزان موفقیت در اتخاذ آن تصمیم طراحی می شود. این طراحی، دستگاه را قادر می کند بهترین مصالحه را بین انرژی مصرفی و قابلیت اطمینان ارتباطات به دست آورد. در گام بعدی، مقایسه عملکرد روش پیشنهادی مقاله با رویکرد سیستم های متمرکز، با بهره گیری از ابزار هندسه تصادفی ارایه شده است. سپس، ارتباط بین پارامتر های الگوریتم یادگیری ماشینی و عملکرد سیستم مخابراتی، مانند انرژی مصرفی و قابلیت اطمینان، تجزیه وتحلیل شده است. نتایج شبیه سازی نشان می دهند در مقایسه با جدیدترین روش های پیشنهادشده در ادبیات این موضوع، هردو معیار بهره وری انرژی و سطح اطمینان با استفاده از روش یادگیری مندرج در این مقاله به صورت چشمگیری بهبود می یابند.