Routing prediction for probabilistic mobility model using neural networks for ad-hoc networks

(2010) Routing prediction for probabilistic mobility model using neural networks for ad-hoc networks. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF (Thesis)
Final_thesis_writeup_Mohammad_Rahil_200603080_2010.pdf

Download (1MB) | Preview

Arabic Abstract

شبكة المخصص هي واحدة من المجالات الرئيسية في الشبكات اللاسلكية. هناك دائما مجالا للتحسين من أجل الاستفادة من الموارد المتاحة على النحو الأمثل. وكان من بين هذه الفكرة لاستخدام خوارزميات التنبؤ التنبؤ الطريق القادم من العقد المتنقلة التي يمكن أن تساعدنا في تخصيص الموارد في وقت مبكر والسيطرة على حركة مرور الشبكة أيضا. حتى هذه الأطروحة التركيز أساسا على تحليل سلوك التوجيه منظمة العفو الدولية القائمة على بروتوكول مناسب للشبكات مخصصا للفيديو حركة البحث تم القيام به في هذا المجال باستخدام الشبكات العصبية ولكن لا يوجد نموذج تم تصميمه النموذجي للتنبؤ الطرق بسبب عدم وجود معيار لمجموعة البيانات قطار النموذج. إنشاء قواعد البيانات المختلفة باستخدام نحن غاوسي نموذج ماركوف التنقل التي لديها بعض أسباب محددة أو معايير لتقييم أداء المنتجات النهائية. تم استخدام الشبكات العصبية الصناعية (NN) والمتطرفة تعلم آلة (ELM) لبناء نماذج التنبؤ.

English Abstract

Ad-hoc network is one of the key areas in wireless networks. There is always room for improvement in order to utilize the available resources optimally. One of the thought among these was to use the prediction algorithms to predict the next route of the mobile nodes which can help us in allocating the resources in advance and also controlling the network traffic. So this thesis mainly emphasis on the analysis of the behavior of AI based Routing Protocol for Adhoc networks suitable for video traffic Research has been done in this area using Neural Networks but no typical model was designed for predicting the routes due to lack of standard dataset to train the model. We generated different datasets using Gaussian Markov mobility model which has some concrete reasons or benchmarks to evaluate the end products’ performance. Artificial Neural Networks (NN) & Extreme learning machine (ELM) were used to build the prediction models.

Item Type: Thesis (Masters)
Subjects: Engineering
Systems
Computer
Research
Department: College of Computing and Mathematics > Computer Engineering
Committee Advisor: Sheltami, Dr. Tarek
Committee Members: Ghouti, Dr. Lahouari and Mahmoud, Dr. Ashraf
Depositing User: MOHAMMED RAHIL (g200603080)
Date Deposited: 16 Oct 2010 11:36
Last Modified: 01 Nov 2019 15:28
URI: http://eprints.kfupm.edu.sa/id/eprint/136353