توضیحات

• اصل مقاله انگلیسی را می توانید به طور رایگان دانلود کنید.
• متن کامل ترجمه پس از اتمام خرید قابل دانلود است، همچنین فایل ترجمه به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
• توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

ترجمه عنوان مقاله: تشخیص ناهنجاری فضایی در شبکه های حسگر با استفاده از اطلاعات همسایگی

عنوان انگلیسی مقاله: Spatial Anomaly Detection in Sensor Networks Using Neighborhood Information

نام ژورنال: Information Fusion

نام ناشر: Elsevier

سال انتشار: ۲۰۱۷

تعداد صفحات مقاله انگلیسی: ۱۶ صفحه

دانلود مقاله انگلیسی

ترجمه چکیده مقاله

حوزه‌ی شبکه‌های حسگر بی‌سیم (WSN)، یعنی سیستم‌های نهفته و جاسازی شده با قابلیت‌های حسی و شبکه‌ای، پس از یک دهه تلاش تحقیقاتی و پیشرفت‌های فنی در زمینه‌ی سیستم‌های الکترونیکی و شبکه به رشد کامل رسیده‌اند. در حال حاضر یکی از چالش‌های مهم باقیمانده، استخراج اطلاعات معنی‌دار از مقدار روز-افزون داده‌های حسگر است که توسط شبکه‌های حسگر بی‌سیم جمع‌آوری شده‌اند. به طور خاص، تمایل شدیدی در الگوریتم‌ها وجود دارد که بتوانند الگوها، رویدادها یا دیگر رفتارهای غیرعادی سیستم را به صورت خودکار تشخیص دهند. ناهنجاری‌های داده‌ها ممکن است حالاتی از سیستم را نشان دهند که به تحلیل بیشتر یا اقدامات فوری نیاز داشته باشند. به طور معمول، روش‌های تشخیص ناهنجاری در یک مرکز پردازش مرکزی اجرا می‌شوند، که به جمع‌آوری تمام داده‌های اندازه‌گیری شده در یک مکان مرکزی نیاز دارند، و این یک محدودیت آشکار برای شبکه‌های حسگر بی‌سیم است، چرا که هزینه‌های زیاد ارتباطات داده‌ها را نیاز خواهد داشت. در این مقاله، ما به بررسی حوزه‌ای می‌پردازیم که از این الگوی مرکزی کلاسیک خارج شده و به دنبال یک روش تشخیص ناهنجاری غیرمتمرکز بر اساس یادگیری ماشین بدون نظارت هستیم. بر خلاف روش متمرکز، جهت کاهش مصرف انرژی و طیف، هدف ما تشخیص ناهنجاری‌ها در خود گره‌های حسگر است. ما به مطالعه و مقایسه‌ی اطلاعات به دست آمده از تجمع داده‌های همسایگی می‌پردازیم تا تشخیص ناهنجاری ساده و داخل خود گره‌های حسگر را انجام دهیم. ما به بررسی تاثیر انداه‌ی همسایگی و همبستگی مکانی-زمانی بر روی کارایی رویکرد جدید مبتنی بر همسایگی پیشنهادی خود با استفاده از نمونه‌های واقعی استقرارهای شبکه و مجموعه‌دادگان می‌پردازیم. ما شرایطی را یافتیم که ترکیب داده‌های همسایگی را سودمند می‌سازد و همچنین مواردی را شناسایی نمودیم که این رویکرد در آنها به بهبود قابل تشخیصی منجر نمی‌شود. بهبودها به ویژگی‌های غیرترکیبی داده‌ها (همبستگی مکانی-زمانی) و همچنین به نوع حسگرها، ناهنجاری‌ها و ویژگی‌های توپولوژیکی شبکه نیز مرتبط هستند. به طور کلی، وقتی یک مجموعه‌داده از ترکیب مشابه فرآیندهای غیرترکیبی ناشی می‌شود، آنگاه معیارهای دقت و به ویژه بازخوانی تمایل به بهبود دارند. کار انجام شده در این مقاله مسیری به سمت درک روش‌های توزیع شده‌ی ترکیب داده‌ها است و ممکن است به مدیریت پیچیدگی شبکه‌های حسگر بی‌سیم، به عنوان مثال در سناریوهای بزرگ اینترنت اشیاء کمک فراوانی کند.

کلمات کلیدی: تشخیص ناهنجاری، ترکیب حسگر، شبکه‌های حسگر، شبکه‌های حسگر بی‌سیم مشارکتی.

———————————————————————

مشخصات فایل ترجمه:

تعداد صفحات مقاله ترجمه شده: ۴۹ صفحه (در قالب فایل word و pdf)

زمان صرف شده برای ترجمه: ۱۰۰ ساعت مفید