تدريسي من كلية العلوم للبنات يلقي بحث في مؤتمر دولي
القي الدكتور علي كاظم إدريس التدريسي في كلية العلوم للبنات بحث في مؤتمر والذي أقيم في مدينة روما في إيطاليا بعنوان (( تقنية جمع بيانات حافظة للطاقة موزعة متأقلمة لغرض شبكات الاستشعار اللاسلكية)) وقال الباحث زادت شعبية شبكات الاستشعار اللاسلكية يوم بعد يوم حيث مئات أو الآلاف من التطبيقات تم استخدامها. معظم هذه التطبيقات، بحاجة إلى جمع البيانات دوريا حول البيئة بجانب الطاقة المحدودة للمستشعر جعل الحفاظ على الطاقة مع تقليص حجم البيانات المجمعة الكبيرة تحديان كبيران في هذه الشبكات. وأضاف الباحث تم تقديم مقترح حول ت
قنية تجميع البيانات الموزعة التكيفية (ADiDaG) لحفظ وتوفير الطاقة في تطبيقات شبكات الاستشعارالدورية. يعمل ADiDaG بشكل دوري حيث تتكون كل جولة من ثلاث مراحل: جمع البيانات، قرار سامبلنك، ونقل البيانات. وبين الباحث في هذه المراحل على التوالي تستخدم خريطة الاختزال، أطول تشابه للمتسلسلات الفرعية العامة وتجميع البيانات من أجل البحث عن البيانات التكرار وتكيفمعدل أخذ السامبلنك لعقدة الاستشعار في كل جولة. تم تقييم أداء ADiDaGعلى أساس كل من المحاكاة والتجارب الواقعية. تم إجراء نتائج المحاكاة على أساس مجموعات البيانات الحقيقية التي تقدمها مختبر البحوث إنتل بيركلي باستخدام محاكي OMNeT++ حيث أظهرت النتائج التي تم الحصول عليها من المحاكاة والتجارب الفعلية حفظ كبير في الطاقة وجمع بيانات عالية الدقة مقارنة بالطرق الاخرى.
القي الدكتور علي كاظم إدريس التدريسي في كلية العلوم للبنات بحث في مؤتمر والذي أقيم في مدينة روما في إيطاليا بعنوان (( تقنية جمع بيانات حافظة للطاقة موزعة متأقلمة لغرض شبكات الاستشعار اللاسلكية)) وقال الباحث زادت شعبية شبكات الاستشعار اللاسلكية يوم بعد يوم حيث مئات أو الآلاف من التطبيقات تم استخدامها. معظم هذه التطبيقات، بحاجة إلى جمع البيانات دوريا حول البيئة بجانب الطاقة المحدودة للمستشعر جعل الحفاظ على الطاقة مع تقليص حجم البيانات المجمعة الكبيرة تحديان كبيران في هذه الشبكات. وأضاف الباحث تم تقديم مقترح حول ت
قنية تجميع البيانات الموزعة التكيفية (ADiDaG) لحفظ وتوفير الطاقة في تطبيقات شبكات الاستشعارالدورية. يعمل ADiDaG بشكل دوري حيث تتكون كل جولة من ثلاث مراحل: جمع البيانات، قرار سامبلنك، ونقل البيانات. وبين الباحث في هذه المراحل على التوالي تستخدم خريطة الاختزال، أطول تشابه للمتسلسلات الفرعية العامة وتجميع البيانات من أجل البحث عن البيانات التكرار وتكيفمعدل أخذ السامبلنك لعقدة الاستشعار في كل جولة. تم تقييم أداء ADiDaGعلى أساس كل من المحاكاة والتجارب الواقعية. تم إجراء نتائج المحاكاة على أساس مجموعات البيانات الحقيقية التي تقدمها مختبر البحوث إنتل بيركلي باستخدام محاكي OMNeT++ حيث أظهرت النتائج التي تم الحصول عليها من المحاكاة والتجارب الفعلية حفظ كبير في الطاقة وجمع بيانات عالية الدقة مقارنة بالطرق الاخرى.
