文献

J-GLOBAL ID：202202284828500909   整理番号：22A1104201

無線センサネットワークにおける多重アクセスプロトコルのためのインテリジェントエージェントの増強【JST・京大機械翻訳】

Augmentation of Intelligent Agent for Multiple Access Protocols in Wireless Sensor Networks

著者 (3件)： K M Majidha Fathima (Sri Krishna College of Engineering and Technology,Department of Computer Science and Engineering,Coimbatore,India) ,  Santhiyakumari N. (Knowledge Institute Of Technology,Department of Electronics & Communication Engineering,Salem,India) ,  Suganthi M. (Mahendra College of Engineering,Department of Electronics & Communication Engineering,Salem,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIS  ページ： 1361-1367  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 任意の有線または無線ネットワークにおいて,それに導入した巨大なデータは,環境に置かれたセンサによって生成されたデータである。無線センサネットワークは,データ(大きいデータを含む)を捕え,計算を実行し,その結果をユーザに戻す際に重要な役割を果たす。(すなわち,健康管理情報システム)。地理的に分散されたユーザによるインターネットの莫大なアクセスのため,論理的チャネルは,偶数方式でアクセスしなければならない。多重アクセスプロトコルは,送信者,受信機および他の中間ノードによる共有メディアへのアクセスコンフリクトを解決する際に,それらの重要性を獲得する。2つのノードが同時にデータを伝送するとき,アクセスは,周波数,時間またはコードに基づくスロットにチャネルを分割することによって付与される。パケットがネットワークに衝突するならば,衝突回避は衝突回避(CSMA/CA)プロトコルによるキャリアSense多重アクセスによって強化される。知的エージェントは,知識ベース衝突回避のための多重アクセスプロトコルに組み込まれる。特に,学習エージェントは,環境,推論エンジンへの供給データ,プロセスデータ,出力をフェッチする。学習要素は,効率的な帯域幅割当とエネルギー保存のような改善に責任がある。それは批判からのフィードバックを使用する。性能要素は,外部行動を選択するための権威である。それは,パーセプトに取って,行動に関して決定する。したがって,マルチプロトコルラベルスイッチング(MPLS)上に構築されたネットワークサポートシステムは,多様な情報源から送られるユニークなトラフィックを同定する。ネットワーク仮想化により,データを集約し,それぞれの侵入と攻撃ルータで分離する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  情報源 ,  *ネットワーク ,  受信機 ,  *多重化 ,  健康管理 ,  偶数 ,  パケット ,  推論マシン ,  インターネット ,  衝突回避 ,  サイバー攻撃
準シソーラス用語： *無線センサネットワーク ,  無線ネットワーク ,  支援システム , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 無線センサネットワーク ,  多重 ,  アクセスプロトコル ,  インテリジェントエージェント ,  増強