Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Dual-Mode OFDM-IM by Encoding All Possible Subcarrier Activation Patterns Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Path Optimization with Machine-Learning Based Prediction for Wireless Sensor Networks

verfasst von : Jianxin Ma, Shuo Shi, Xuemai Gu

Erschienen in: Artificial Intelligence for Communications and Networks

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The trajectory scheduling of the mobile nodes is a critical research problem in rechargeable wireless sensor networks. In this paper, we propose a machine-learning based energy consumption prediction (ML-ECP) approach, which uses machine-learning to predict the energy consumption rates in wireless sensor networks. Based on the prediction, the sensor nodes are partitioned into multiple clusters and the optimal trajectories are obtained for mobile nodes. We compare the proposed approach with the existing approach, the results show that the ML-ECP improves the energy efficiency for sensor nodes recharging and data collection, and the mobile nodes collect information and recharge sensor nodes periodically in the network.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Naive Bayes Classifier Based Driving Habit Prediction Scheme for VANET Stable Clustering
Nächstes Kapitel Research on the Maximization of Total Information Rate Based on Energy Allocation in Multi-user SWIPT Relaying System
Literatur
1.
Bektas, T.: The multiple traveling salesman problem: an overview of formulations and solution procedures. Omega 34(3), 209–219 (2006)MathSciNetCrossRef
2.
Boyinbode, O., Le, H., Takizawa, M.: A survey on clustering algorithms for wireless sensor networks. Int. J. Space-Based Situated Comput. 1(2–3), 130–136 (2011)CrossRef
3.
Ding, K., Yousefi’zadeh, H.: A systematic node placement strategy for multi-tier heterogeneous network graphs. In: 2016 IEEE Wireless Communications and Networking Conference (WCNC), pp. 1–6. IEEE (2016)
4.
Ding, K., Yousefi’zadeh, H., Jabbari, F.: A robust advantaged node placement strategy for sparse network graphs. IEEE Trans. Netw. Sci. Eng. 5(2), 113–126 (2018)MathSciNetCrossRef
5.
Du, R., Xiao, M., Fischione, C.: Optimal node deployment and energy provision for wirelessly powered sensor networks. IEEE J. Sel. Areas Commun. 37, 407–423 (2018)CrossRef
6.
Dunn, J.C.: A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters (1973)MathSciNetCrossRef
7.
Gao, Y., Cheng, W., Zhang, H., Li, Z.: Heterogeneous statistical qos provisioning over wireless powered sensor networks. IEEE Access 5, 7910–7921 (2017)CrossRef
8.
He, L., et al.: ESync: an energy synchronized charging protocol for rechargeable wireless sensor networks. In: Proceedings of the 15th ACM International Symposium on Mobile Ad Hoc Networking and Computing, pp. 247–256. ACM (2014)
9.
Jianxin Ma, S.S., Gu, X.: An optimization-based MTSP-CR mobile data gathering algorithm for large-scale wireless sensor networks. In: Vehicular Technology Conference, VTC Fall 2018. IEEE (2018)
10.
Peizhuang, W.: Pattern recognition with fuzzy objective function algorithms (James C. Bezdek). SIAM Rev. 25(3), 442 (1983)CrossRef
11.
Wang, Y., Vuran, M.C., Goddard, S.: Stochastic analysis of energy consumption in wireless sensor networks (2010)
12.
Zhou, Z., Du, C., Shu, L., Hancke, G., Niu, J., Ning, H.: An energy-balanced heuristic for mobile sink scheduling in hybrid WSNs. IEEE Trans. Ind. Inform. 12(1), 28–40 (2016)CrossRef
Metadaten
Titel
Path Optimization with Machine-Learning Based Prediction for Wireless Sensor Networks
verfasst von
Jianxin Ma
Shuo Shi
Xuemai Gu
Copyright-Jahr
2019
Buch
Artificial Intelligence for Communications and Networks

Print ISBN: 978-3-030-22967-2

Electronic ISBN: 978-3-030-22968-9

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-22968-9_41

Premium Partner

    Bildnachweise