پروژه "كاهش مصرف انرژي در شبكه‌هاي حسگر بي‌سيم با استفاده از شبكه‌هاي عصبيSOM " یک تحقیق کامل و علمی برای رشته کامپیوتر ، شبکه و IT میباشد که بطور کامل بحث را مورد کنکاش و جستجو قرار داده و مطالب سطح بالایی را در پروژه آورده است.این پروژه با ارزش در 6 فصل تنظیم شده و بطور کامل ویرایش شده و در قالب Word آماده تحویل میباشد.امروزه، در شبكه‌هاي حسگر بي‌سيم، پروتكل‌هاي مسيريابي مبتني بر خوشه‌بندي از طريق تقسيم گره‌هاي همسايه به خوشه‌هاي مجزا و انتخاب سرخوشه‌هاي محلي براي تركيب و ارسال اطلاعات هر خوشه به ايستگاه مبنا و سعي در مصرف متوازن انرژي توسط گره‌هاي شبكه، بهترين كارايي را از لحاظ افزايش طول عمر و حفظ پوشش شبكه‌اي در مقايسه با ساير روش‌هاي مسيريابي به دست مي‌آورند. با اين وجود، همه پروتكل‌هاي خوشه‌بندي ارايه شده تاكنون، تنها نزديكي جغرافيايي(همسايگي) را به عنوان پارامتر تشكيل خوشه‌ها در نظر گرفته‌اند. در اين تحقيق، يك پروتكل جديد خوشه‌بندي متمركز مبتني بر انرژي با استفاده از شبكة عصبي نقشة خودسازماندهي براي شبكه‌هاي حسگر بي‌سيم ارايه مي‌شود كه قادر به خوشه‌بندي گره‌هاي شبكه بر اساس سطح انرژي و مختصات گره‌ها مي‌باشد. اين پروتكل با استفاده از تعداد مشخصي از گره‌هاي پرانرژي در شبكه و اعمال آن‌ها به عنوان وزن نورون‌هاي نقشة خودسازماندهي، نزديك‌ترين گره‌هاي كم‌انرژي را جذب گره‌هاي پرانرژي مي‌كند؛ به طوري كه خوشه‌ها لزوماً از گره‌هاي مجاور تشكيل نشده و در واقع براساس دو پارامتر سطح انرژي و همسايگي، خوشه‌هايي با انرژي متوازن تشكيل خواهند شد. به علاوه يك تابع هزينه جديد به منظور تصميم‌گيري در انتخاب گره‌هاي سرخوشه، پيشنهاد شده است كه سعي در تركيب معيارهاي مختلف موثر در انتخاب بر اساس ميزان اهميت آن‌ها دارد. كارايي برتر اين پروتكل از لحاظ افزايش طول عمر مفيد شبكه و حفظ بهتر پوشش شبكه‌اي در مقايسه با پروتكل‌هاي پيشين نظير LEACH و LEA2C و نيز تاثير تابع هزينه پيشنهادي بر كارايي آن (با شبيهسازي) به اثبات رسيده است.فهرست مطالبفصل1 مقدمه 1-1. مقدمه. 21-2. تعريف مساله و سئوالات اصلي تحقيق.. 31-3. فرضيه‌ها41-4. اهداف تحقيق.. 41-5. روش تحقيق.. 51-6. مراحل انجام تحقيق.. 51-7. ساختار پايان‌نامه. 6فصل2 مروري بر منابع مطالعاتي 82-1. مقدمه. 92-2. طبقه‌بندي روش‌هاي كاهش مصرف انرژي در شبكه‌هاي حسگر. 132-2-1. چرخة وظايف... 162-2-2. روش‌هاي داده‌گرا182-2-3. روش‌هاي مبتني بر قابليت تحرك... 212-3. نقش شبكه‌هاي عصبي در كاهش مصرف انرژي شبكه‌هاي حسگر. 222-3-2. شبكه‌هاي عصبي در طرح‌هاي چرخه وظايف... 272-3-3. شبكه‌هاي عصبي در كاهش داده. 282-3-4. شبكه‌هاي عصبي در شبكه‌هاي حسگر متحرك... 382-4. نتيجه‌گيري... 40فصل3 نقش شبكه‌هاي عصبي در مسيريابي انرژي آگاه 413-1. مقدمه. 423-2. ويژگي‌هاي مسيريابي در شبكه حسگر بي‌سيم.. 433-3. روش‌هاي مسيريابي در شبكه‌هاي حسگر بي‌سيم.. 453-3-1. مسيريابي مسطح.. 463-3-2. مسيريابي مبتني بر مكان.. 473-3-3. مسيريابي سلسه مراتبي(مبتني بر خوشه‌بندي)483-3-4. پروتكل خوشه‌بنديLEACH... 493-3-5. پروتكل خوشه‌بنديLEACH متمركز. 513-4. شبكه‌هاي عصبي در الگوريتم‌هاي مسيريابي آگاه از انرژي... 523-4-1. شبكة عصبي انتشار معكوس در كشف مسير. 523-4-2. شبكة عصبي نقشة خودسازماندهي در مسيريابي.. 543-4-3. پروتكل‌هاي مسيريابي مبتني بر نقشة خودسازماندهي.. 563-5. پروتكل خوشه‌بندي پيوندگرا وفقي با انرژي پايين.. 603-6. جمع‌بندي... 63فصل4 پروتكل جديد پيشنهادي 644-1. مقدمه. 654-2. پروتكل مسيريابي خوشه‌بندي مبتني بر انرژي خودسازمانده. 664-3. فرضيات الگوريتم.. 664-4. مرحلة خوشه‌بندي... 684-4-2. مرحلة اول : خوشه‌بندي با شبكة عصبي نقشة خودسازماندهي.. 694-4-3. مرحلة دوم : خوشه‌بندي با الگوريتم K-means. 764-4-4. مرحلة انتخاب سرخوشه. 784-5. مرحلة انتقال داده. 814-6. مرحلة خوشه‌بندي مجدد. 824-7. جمع‌بندي... 87فصل5 نتايج شبيهسازي و تحليل آن‌ها885-1. مقدمه. 895-2. پارامترهاي شبيهسازي... 895-2. نتايج شبيهسازي... 915-2-1. مقايسة نحوة تشكيل خوشه‌ها در EBCS با پروتكل LEACH... 915-2-2. مقايسة كارايي EBCS با پروتكل‌هاي پيشين از لحاظ طول عمر شبكه. 935-2-3. ارزيابي تابع هزينه انتخاب سرخوشهبركارايي EBCS.. 965-2-4. ارزيابي كارايي پروتكلEBCS در افزايش پوشش شبكه‌اي... 995-3. جمع بندي... 102فصل6 جمع‌بندي و پيشنهاد‌ها1046-1. مقدمه. 1056-2. يافته‌هاي تحقيق.. 1076-3. نوآوري تحقيق.. 1086-4. پيشنهاد‌ها109مراجع 111واژه‌نامه 116