ترکیب در سطح تصمیم مدل های یادگیری عمیق شبکه های حسگر برای تصمیم گیری در شهرهای هوشمند [پايان نامه فارسي]
سینا ثنایی اول
| شناسگر رکورد: | ۱۵۷۴۵ |
| رشته تحصیلی: | مهندسی فناوری اطلاعات |
| عنوان: | ترکیب در سطح تصمیم مدل های یادگیری عمیق شبکه های حسگر برای تصمیم گیری در شهرهای هوشمند |
| نويسنده: | سینا ثنایی اول |
| استاد راهنما : | دکتر بابک مجیدی |
| استاد مشاور: | دکتر احسان اخترکاوان |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۷ |
| چکیده: | در عصر اینترنت اشیاء، تعداد زیادی از حسگرها دادههای متفاوتی را در طول زمان برای طیف گستردهای از فیلدها و برنامهها جمع آوری می کنند. بر اساس ماهیت اینترنت اشیاء، این حسگر ها منجر به ایجاد جریان دادههای برخط بزرگ و سریعی میشوند. تجزیه و تحلیل جریان دادهها به منظور کشف اطلاعات جدید، پیش بینی آینده و کنترل در تصمیم گیری مواردی هستند که باعث میشوند اینترنت اشیاء یک ابزار ارزشمند برای کسب و کار و بهبود کیفیت زندگی باشد. شهر هوشمند با هدف استفاده از فناوریهای دیجیتال یا فناوری اطلاعات و ارتباطات، به بهبود کیفیت و عملکرد خدمات شهری میپردازد. تجزیه و تحلیل داده ها نقش مهمی در شهرهای هوشمند دارد. بسیاری از حسگرها در یک شهر هوشمند نصب شدهاند تا حجم زیادی از دادهها نظیر ویدیوهای نظارت، محیط زیست و دادههای حمل و نقل را ضبط کنند. برای استخراج اطلاعات مفید از چنین دادههای بزرگی، از الگوریتمهای یادگیری ماشین استفاده میشودکه منجر به نتایج بسیار مثبتی در طیف وسیعی از برنامههای کاربردی می شود. بنابراین، استفاده از ابزارهای یادگیری ماشین میتواند به توسعه و مدیریت شهر هوشمند کمک شایانی کند. یادگیری عمیق به تازگی نتایج بسیار مثبتی در طیف گستردهای از بخشها مانند بینایی کامپیوتر، تشخیص صوت، تشخیص اشیاء، پردازش زبان طبیعی و ... را کسب کرده است. در یک شهر هوشمند، تعداد زیادی داده (به عنوان مثال ویدیوهایی که از بسیاری از حسگرهای توزیع شده در محیط گرفته شده است) باید به صورت خودکار پردازش شده و تجزیه و تحلیل شوند. در این پایان نامه از الگوریتمهای یادگیری عمیق برای تجزیه و تحلیل دادههای صوتی و تصویری شهر هوشمند در جهت استفاده در موضوعات مختلفی استفاده شده است. سناریوهای مختلفی مانند کنترل ترافیک در شرایط اضطراری، کنترل آلودگی صوتی و پیدا کردن کودکان و حیوانات گمشده در این تحقیق مورد بررسی قرار گرفته است. ویژگی مشترک این سناریوها این است که اطلاعات تصویری به تنهایی نمی توانند منجر به تحلیل درست شرایط و تصمیم گیری صحیح گردند. به همین دلیل در این پایان نامه ترکیب اطلاعات صوتی و تصویری برای افزایش دقت تشخیص در سناریوهای نظیر مورد بالا مطرح گردیده است نتایج شبیه سازی نشان می دهد سیستم پیشنهادی برای مدیریت شهر هوشمند دارای قابلیت بالایی می باشد. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مهندسی فناوری اطلاعات |
| واژگان کلیدی: | اینترنت اشیاء |
| واژگان کلیدی: | شهر هوشمند |
| واژگان کلیدی: | داده کاوی |
| واژگان کلیدی: | یادگیری عمیق |
| واژگان کلیدی: | شبکه های عصبی پیچیده |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 224991 | 1 | ||||||||||
| 224992 | 2 |
جهت ثبت نظر با حساب کاربری تان وارد شوید