Prihlásenie

Formanek, Lukáš: Využitie neurónovej siete na odhad meraných parametrov v prostredí WSN. [Dizertačná práca]. – Žilinská univerzita v Žiline. Fakulta riadenia a informatiky; Katedra technickej kybernetiky. – Vedúci: doc. Ing. Ondrej Karpiš, PhD. – Stupeň odbornej kvalifikácie: Doktor v odbore informatika. – Žilina: FRI UNIZA, 2021. – 107 s. Práca sa zaoberá odhadom nemeraných parametrov vo WSN pomocou neurónovej siete. Neurónová sieť na základe hodnôt nameraných v ostatných uzloch bezdrôtovej senzorickej siete odhaduje hodnotu v uzle, kde nebola v danom čase meraná. Teoretická časť práce rozoberá problematiku WSN sietí, možné aplikácie a kategorizáciu týchto sietí. Tiež popisuje úvod do neurónových sietí, ich rozdelenie a využitie v prostredí WSN. Praktická časť práce je venovaná simuláciám, reálnym experimentom a porovnaniu dosiahnutých výsledkov. Hlavným cieľom simulačných experimentov bolo overiť možnosti šetrenia energie vo WSN. Boli zrealizované aj dva experimenty s reálnym nasadením WSN do vonkajšieho prostredia (monitoring teploty ovzdušia). V práci sú porovnané rôzne modely neurónových sietí, ktoré boli aplikované na odhad teploty v nami navrhnutej bezdrôtovej senzorickej sieti na základe meraní vo zvyšných bodoch. Vzhľadom na energetickú náročnosť koncových zariadení počas procesu komunikácie, môže byť vhodne navrhnutá neurónová sieť použitá na odhad merania v danom bode WSN. Tento odhad môže byť využitý pri výpadku uzla v sieti a hlavne na minimalizáciu prenášaných dát od daného uzla v sieti, čo má za následok výrazné zníženie spotreby daného koncového zariadenia a šetrenie prenosovej kapacity. Simulácie s nameranými hodnotami ukázali, že v závislosti na požadovanej presnosti odhadu môže byť úspora aj viac než 80%. Kľúčové slová: WSN, neurónové siete, úspora energie, regresia

Formanek, Lukáš: Use of a neural network to estimate the parameters of the monitored system in the WSN environment. [Dissertation thesis]. – University of Žilina. Faculty of Management Science and Informatics; Department of Technical Cybernetics. – Tutor: doc. Ing. Ondrej Karpiš, PhD. – Level of qualification: Doctor of Informatics. – Žilina: FRI UNIZA, 2021. – 107 p. This thesis deals with the estimation of unmeasured parameters in WSN using a neural network. Based on the values measured in the other nodes of the wireless sensor network, the neural network estimates the value in the node not measuring at a given time. The theoretical part of the thesis discusses the issue of WSN networks, possible applications, and categorization of these networks. It also describes the introduction to neural networks, their categorization, and their use in the WSN environment. The practical part of the thesis is devoted to simulations, real experiments, and comparison of achieved results. The main goal of the simulation experiments was to verify the possibilities of energy saving in WSN. Two experiments were also carried out with the real deployment of WSN in the outdoor environment (air temperature monitoring). The thesis compares various models of neural networks, which were applied to estimate the temperature in our wireless sensor network based on measurements at the remaining points. Due to the high energy consumption of the nodes during the communication process, the suitably designed neural network can be used to estimate the measurement at a given WSN point. This estimate can be used in case of failure of a node in the network and particularly to minimize the data transmitted from a given node in the network resulting in a significant reduction in the consumption of a given node device and saving transmission capacity. As shown in simulations with measured values, the savings can be more than 80%, depending on the required accuracy of the estimate. Key words: WSN, neural networks, energy saving, regression