پایان نامه کاربرد سیستم های اطلاعات جغرافیایی GIS در مکانیابی، توزیع فضایی و تحلیل شبکه مراکز بهداشتی و درمانی

در دهه های اخیر شاهد افزایش جمعیت شهر ها در ایران بوده ایم. این افزایش به خاطر دو عامل رشد جمعیت شهر ها و همچنین مهاجرت جمعیت روستاها و شهرهای کوچک به شهر های میانه اندام و بزرگ بوده است. تمرکز جمعیت در این شهر ها باعث شده که نیاز به خدمات روز به روز بیشتر شود. در خدمات رسانی شهری تنها افزایش تعداد مراکز خدماتی دلیل بر خدمات رسانی بهتر نمی باشد بلکه آنچه در این زمینه بیشتر حائز اهمیت است، توزیع بهینه این مراکز می باشد. یکی از مراکز خدماتی که تعیین کننده سطح رفاه ساکنان می باشد مراکز خدمات درمانی و بهداشتی می باشد.  دسترسی سریع، به موقع و با صرفه هزینه کم به این مراکز خیلی مهم می باشد. بنابراین بحث مکانیابی مراکز بهداشتی و درمانی و توزیع بهینه آنها به گونه ای که بتوانند در بالا بردن سطح رفاه ساکنان و تامین سلامت تاثیر داشته باشند خیلی مهم است. امروزه با عنایت به ابعاد پیچیده مسائل شهری و دخالت متغیرهای مختلف در برنامه ریزی شهری از مدلها و نرم افزارهایی برای برنامه ریزی استفاده می نمایند که سیستم های اطلاعات جغرافیایی GIS که قابلیت های خوبی در دریافت، ذخیره سازی، ساخت و پرداخت و بروز کردن اطلاعات و ارائه نتایج به صور مختلف دارد به عنوان ابزاری توانمند، در برنامه ریزی شهری مورد توجه قرار گرفته است و به نظر می رسد که استفاده از این سیستم با در نظر گرفتن شرایط و خصوصیات مختلف پدیده های کالبدی، اجتماعی، اقتصادی و فرهنگی شهر در مکان گزینی صحیح مراکز خدمات درمانی و بهداشتی نسبت به مدلها و روشهای دیگر مناسب بوده و جامعیت داشته باشد. در این تحقیق به منظور ارزیابی وضعیت موجود مراکز خدمات درمانی و بهداشتی، شهر مهاباد که در زمره شهر های میانه اندام قرار دارد به عنوان منطقه مورد مطالعه انتخاب شده است.

دانلود مقاله انگلیسی 2015 ISI شبکه های حسگر بیسیم -- الگوریتم های یادگیری ماشین و شبکه های عصبی در مکانیابی شبکه های سنسور

نوع مطلب: مقاله آی اس آی (ISI)

زبان مقاله: انگلیسی

قالب مقاله: پی دی اف (PDF)

تعداد صفحات: 18 صفحه

سال انتشار: 2015

محل انتشار: ژورنال معتبر ارتباطات شخصی بیسیم (Wireless Personal Communications) که متعلق به انتشارات اشپرینگر (Springer) است و توسط انتشارات تامسون رویترز (Thomson Reuters) یا ISI ایندکس میشود.

در سالهای اخیر استفاده از شبکه های حسگر بیسیم به میزان زیادی گسترش یافته است. در این شبکه ها تعداد زیادی گره سیار ریز به نام سنسور یا حسگر در محیطی قرار داده میشوند و اطلاعات آن محیط را پایش و بررسی میکنند و برای یک سرور به نام Sink یا چاهک ارسال میکنند. این شبکه ها کاربردهای زیادی پیدا کرده اند که از میان آنها میتوان به کاربردهای نظامی، جاسوسی، امنیتی، حفاظت از منازل و دارایی ها، هواشناسی، کنترل زیست محیطی، پایش و نظارت بر حیوانات و گونه های در حال انقراض، کشاورزی، رصد کردن زیر دریا، کاربردهای تجاری و هزاران کاربرد دیگر اشاره کرد.

در زمینه این شبکه ها مسائل باز زیادی وجود دارد و کارهای زیادی میتوان انجام داد. مثلا در زمینه میزان مصرف انرژی به خاطر محدود بودن میزان باتری حسگرها، الگوریتم های مسیریابی برای انتقال اطلاعات به چاهک، امنیت این شبکه ها برای جلوگیری از دستبرد به داده ها، تحمل خطا در زمان بروز مشکلات و ده ها زمینه دیگر. یکی از زمینه هایی که بسیار مهم است، مکانیابی درست حسگرهاست، یعنی بتوانیم مکان گره های سنسور را به درستی یا با تقریب خوبی پیدا کنیم که این کار تاثیر بسیار زیادی روی کیفیت کاربرد موردنظر دارد.

در این مقاله الگوریتم های یادگیری ماشین بر روی بحث مکانیابی گره ها در شبکه های حسگر بیسیم بحث شده اند و مورد مقایسه و ارزیابی قرار گرفته اند. فرض شده است که تعدادی گره با مختصات موقعیت مشخص به نان انکر (Anchor node) یا گره تکیه گاه یا گره لنگر گاه وجود دارد. در پایان نتایج در نرم افزار متلب (Matlab) شبیه سازی شده اند.

چکیده

شبکه های حسگر بیسیم (WSN) توجه زیادی هم از جهت پژوهشی و هم از جهت کاربردی پیدا کرده اند. مکانیابی (Localization) در شبکه های سنسور (Wireless Sensor Networks) نقشی حیاتی را در پیاده سازی کاربردهای بیشمار این تکنولورژی بازی میکنند که از جمله آنها میتوان به مدیریت سلامت، مدیریت بحران، مدیریتهای زیست محیطی و مدیریت کشاورزی اشاره کرد. الگوریتم های مکان یابی به یک نیاز اساسی برای بهبود کارایی شبکه های حسگر بیسیم تبدیل شده اند که تخمین نسبی موقعیت گره سنسور را نسبت به گره های انکر (لنگر Anchor) با مختصات مطلق نشان میدهند. ما در این مقاله، یک ارزیابی کارایی گسترده از برخی از الگوریتم های یادگیری شبکه های عصبی مصنوعی پیش خور (Feed Forward Artificial Neural Network) برای توسعه یک چارچوب موثر مکان یابی در شبکه های حسگر بیسیم انجام داده ایم. کار پیشنهادی ما از توان سیگنال دریافتی مشاهده شده توسط گره های انکر به وسیله برخی از اثرات انتشار چند مسیره استفاده میکند. این مقاله تلاش دارد با مقایسه نتایج الگوریتم های یادگیری مختلف بهترین خروجی الگوریتم یادگیری را بدست آورد. شبکه های عصبی مصنوعی پیش خور (FFANN) به کمک ورودی های سه بعدی و یک لایه مخفی با نورون های متغیر و دو خروجی طراحی میشوند. برای لایه پنهان، تابع انتقال تان سیگموئید (tan-sigmoid) و برای لایه خروجی تابع انتقال خطی به کار میرود. بهترین الگوریتم های یادگیری مدل مبتنی بر شبکه های عصبی مصنوعی پیش خور میتوانند درجه دقت مکانی بهتری را برای کاربردهای آینده فراهم کنند. ما الگوهای استفاده از الگوریتم های یادگیری را که دقت و درستی الگوریتم های مکانیابی و محلی سازی را بهبود میدهد، تجزیه و تحلیل کرده ایم. نتایج شبیه سازی نشان میدهد که پتانسیل و اثر بخشی زیادی در زمینه بهینه سازی سخت افزار برای ماژول مکانیابی در گره های سنسور وجود دارد.

*مناسب برای پژوهش در زمینه شبکه های کامپیوتری، شبکه های کامپیوتری پیشرفته، سیستم های توزیعی، شبکه های حسگر بیسیم، شبکه های سیار و بی سیم، سیستم های توزیع شده، سیستم عامل های پیشرفته

کلمات کلیدی:

مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، شبکه های کامپیوتری، دانلود مقاله آی اس آی، ISI ، شبکه حسگر بیسیم، سنسور، تقسیم بندی شبکه، تعمیر توپولوژی، تحمل پذیری خطا، شبکه سنسور بی سیم، یادگیری ماشین، الگوریتم های مسیریابی در شبکه های حسگر بیسیم، الگوریتم های مکانیابی در شبکه های حسگر بیسیم، گره های انکر، گره های لنگرگاه، گره های تکیه گاه، مشخص کردن موقعیت، دانلود رایگان مقاله 2015، مقالات جدید کامپیوتر، شبکه های حسگر بیسیم، سیستم های توزیع شده، دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، کاربرد یادگیری ماشین در شبکه های کامپیوتری، کاربرد یادگیری ماشین در شبکه های حسگر بیسیم، الگوریتم های یادگیری ماشین، شبکه های عصبی مصنوعی، شبکه های پیش خور، شبکه های عصبی پیش تغذیه شده، مقاله مکانیابی در شبکه حسگر بیسیم، الگوریتم های پس انتشار، نرون های چند لایه، نورون های چند لایه، تنظیم بیزی، شبکه های بیزین، مقاله مکانیابی در شبکه سنسور، مشخص کردن موقعیت، wireless sensor networks, wsn, localization in wireless sensor network, localisation in wireless sensor networks, artificial neural networks, ann, feed forward neural networks, tansigmoid transfer function, tan sigmoid transfer function, training algorithms, Bayesian regularization, back propagation algorithms, multi-layer perceptron , ، Network partitioning ، Topology repair ، 2-Vertex connectivity، Fault tolerance ، Relay node placement

(قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: حدود 110 هزار تومان)

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

مدلسازی مکانیابی تاسیسات شهری با استفاده از gis با تاکید بر مکانیابی پارکینگهای طبقاتی

مقاله مدلسازی مکانیابی تاسیسات شهری با استفاده از gis با تاکید بر مکانیابی پارکینگهای طبقاتی را می توانید از لینک زیر دریافت کنید