موضوع: یک روش مبتنی بر یادگیری ماشین برای کاهش مصرف انرژی در خانه های هوشمند با فناوری اینترنت اشیاء+ مقاله 2019

اسپارک چیست؟

موضوع 1(در جه سختی متوسط): یک مکانیزم فیلترینگ ترافیک شبکه های مبتنی بر SDN در شبکه اینترنت اشیاء با شبکه عصبی+ مقاله 2019

خلاصه موضوع 1: در مقاله بیس از شبکه عصبی و انتخاب ویژگی آماری برای تشخیص نفوذ در شبکه اینترنت اشیاء استفاده شده اما ما در پژوهش خود سیستم فیلترینگ را در SDN به کمک شبکه عصبی مصنوعی و یک الگوریتم فراابتکاری برای انتخاب ویژگی پیاده می نمایم و به عبارت بهتر انتخاب ویژگی را هوشمندانه تر با الگوریتم فراابتکاری و در سویچ های SDN و یادگیری و طبقه بندی را نیز با شبکه عصبی مصنوعی انجام خواهیم داد.

مقاله موضوع 1

موضوع دوم (درجه سختی بیشتر): یک روش مسیر یابی بهینه در SDN با استفاده از الگوریتم بهینه سازی گرگ خاکستری+ مقاله 2019

مقاله بیس موضوع دوم

خلاصه موضوع دوم: در این مقاله از الگوریتم بهینه سازی سالپ برای بهینه سازی مسیریابی و انتقال بسته ها در SDN استفاده شده است که در روش پیشنهادی از الگوریتم بهتر گرگ خاکستری برای یافتن خروجی بهینه در SDN استفاده می شود و علت انتخاب الگوریتم گرگ خاکستری در آن است که یک الگوریتم با رویکرد هوش گروهی بوده و از سلسه مراتب رهبری برای یافتن جواب بهینه برخوردار است.

موضوع 3: بهبود مصرف انرژي و تاخير مسيريابي در اينترنت اشيا مبتني برSDN با استفاده از پروتکل های مسیریابی دما آگاه+ مقاله 2020

مقاله موضوع سوم

خلاصه موضوع سوم: در این مقاله برای مسیریابی در شبکه اینترنت اشیاء با رویکرد شبکه های بیسیم بدنی از پروتکلهای مسیر یابی دما آکاه استفاده شده است و در روش آنها از الگوریتم یادگیری استفاده شده اما در روش پیشنهادی پیشنهاد می شود از الگوریتم TLBO که توانایی بیشتری از الگوریتم یادگیری SMO است استفاده شود.

فیلم 1 : ترکیب شبکه عصبی با الگوریتم فراابتکاری

فیلم 2 : ترکیب شبکه عصبی با الگوریتم فراابتکاری

انتخاب ویژگی

شاخص ارزیابی

دیتاست

موازی سازی الگوریتم ها

الگوریتم غنی و فقیر سال 2019