Biblioteca122.294 documentos en línea

Artículo

Event Driven Duty Cycling with Reinforcement Learning and Monte Carlo Technique for Wireless NetworkCiclos de trabajo en función de eventos con aprendizaje por refuerzo y técnica Monte Carlo para redes inalámbricas

Resumen

Reducir el retraso de transmisión y maximizar la vida útil de la red son temas importantes para las redes de sensores inalámbricos (WSN). Los enfoques existentes comúnmente permiten que los nodos duerman periódicamente para minimizar el consumo de energía, lo que aumenta adversamente la latencia de reenvío de paquetes. En este estudio, se propone un esquema novedoso que determina de manera efectiva el ciclo de trabajo de los nodos y la ruta de reenvío de paquetes según la condición de la red mediante el uso de un mecanismo basado en eventos y la técnica de aprendizaje por refuerzo. Esto permite una programación eficiente en energía con baja latencia y reduce la colisión de transmisión entre los nodos en la ruta. También se adopta el método de evaluación de Monte Carlo para minimizar la sobrecarga de cálculo de cada nodo al tomar decisiones. La simulación por computadora revela que el esquema propuesto mejora significativamente la latencia de extremo a extremo, el tiempo de espera, la

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento