文献

J-GLOBAL ID：201702221590594435   整理番号：17A1430162

Bayesネットワークと学習オートマトン協調に基づくコグニティブ無線センサネットワークのための新しい推論と学習モデル【Powered by NICT】

A new reasoning and learning model for Cognitive Wireless Sensor Networks based on Bayesian networks and learning automata cooperation

著者 (2件)： Gheisari S. (Department of Computer engineering, Pardis Branch, Islamic Azad University, Pardis, Iran) ,  Meybodi M.R. (Computer Engineering and Information Technology Department, Amirkabir University of Technology, Tehran, Iran)
資料名： Computer Networks  (Computer Networks)
巻： 124  ページ： 11-26  発行年： 2017年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 認知ネットワークアプローチ,エンドツーエンドの目標を達成するために全ネットワークプロトコルスタックに認知を用いたを扱う,既存の無線センサネットワーク(WSN)に認知を添加すると多くの利点をもたらす。認知ネットワーキングは,コグニティブ無線またはクロスレイヤ設計と混同される場合がある,異なる概念であるコグニティブ無線スペクトル不足の問題を克服するために物理層でのみ認識を適用し,クロスレイヤ設計には普通少なくとも二非連続特異的層に関連し,特定の目標を達成するために焦点を当てた。,コグニティブ無線とクロスレイヤ設計は認知ネットワークにおける二有効な方法であると言える。著者らの知る限り,ほとんどすべての認知無線センサネットワーク(CWSNs)に関する既存の研究は,物理層におけるスペクトル割当と干渉低減に焦点を当てた。本論文では,CWSNsのための新しい推論と学習モデルであり,第一に,学習オートマトンのチームを用いてネットワークプロトコルスタックのパラメータのBayesネットワーク(BN)モデルを構築することであると,構築されたBNを用いた制御可能なパラメータを調整するためを提案した。BNはネットワークプロトコルスタックのパラメータ間の依存性関係を表し,BNに基づく推論は,クロスレイヤ最適化のための効率的なツールである,知覚されたネットワーク性能を最大にするために。シミュレーションは,提案したモデルの性能を評価するために実施した。シミュレーションの結果は,提案したモデルは,WSNに認知を連続的に通信ネットワークの性能を改善することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *センサネットワーク ,  雑音低減 ,  エンドツーエンド方式 ,  通信網 ,  スペクトル ,  *モデル ,  *学習モデル
準シソーラス用語： クロスレイヤー最適化 ,  物理層 ,  クロスレイヤ設計 ,  *無線センサネットワーク ,  認知ネットワーク ,  *コグニティブ無線 ,  *学習オートマトン ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayesネットワーク ,  認知ネットワーク ,  学習オートマトン ,  推論 ,  無線センサネットワーク

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (7件)： Bayesネットワーク ,  学習オートマトン ,  協調 ,  コグニティブ無線 ,  センサネットワーク ,  推論 ,  学習モデル