پیاده‌سازی تعامل ربات‌های همکار با استفاده از یادگیری مشارکتی در قالب دوقلوی دیجیتال - دانشکده فنی و مهندسی
پیاده‌سازی تعامل ربات‌های همکار با استفاده از یادگیری مشارکتی در قالب دوقلوی دیجیتال
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: پیاده‌سازی تعامل ربات‌های همکار با استفاده از یادگیری مشارکتی در قالب دوقلوی دیجیتال
ارائه دهنده: Provider: سپهر رضائی - مهندسی کامپیوتر
اساتید راهنما: Supervisors: دکتر حاتم عبدلی
اساتید مشاور: Advisory Professors: دکتر مهدی عباسی
اساتید ممتحن یا داور: Examining professors or referees: دکتر حسن ختن‌لو - دکتر رضا محمدی
زمان و تاریخ ارائه: Time and date of presentation: ساعت 10:30 - 1403/11/8
مکان ارائه: Place of presentation: کلاس ۳۰
چکیده: Abstract: گسترش اینترنت اشیاء (IoT) و اتصال میلیاردها دستگاه هوشمند، چالش‌های متعددی همچون مصرف انرژی بالا، محدودیت منابع محاسباتی، امنیت داده‌ها، و پایداری ارتباطات را به همراه داشته است. یادگیری فدرال (FL) به‌عنوان رویکردی توزیع‌شده در یادگیری ماشین، با امکان پردازش داده‌ها در محل تولید آنها بدون نیاز به انتقال به سرور مرکزی، این چالش‌ها را تا حدی برطرف می‌کند و از مشکلاتی نظیر نقض حریم خصوصی و ایجاد ترافیک سنگین در شبکه جلوگیری به عمل می‌آورد. این رویکرد، با حفظ حریم خصوصی داده‌ها و کاهش سربار ارتباطی، بستر مناسبی برای توسعه اینترنت اشیاء فراهم می‌سازد. این پژوهش به ارائه روشی نوآورانه برای تعامل ربات‌های همکار در محیط اینترنت اشیاء پرداخته است. این روش با استفاده از یادگیری مشارکتی در قالب دوقلوی دیجیتال، بهینه‌سازی مصرف انرژی، کاهش سربار ارتباطی، و تقویت امنیت در فرآیند یادگیری را هدف قرار داده است. به‌کارگیری پروتکل ارتباطی MQTT، به دلیل کارایی بالا در محیط‌های با پهنای باند محدود و ویژگی‌هایی مانند رمزنگاری داده‌ها، احراز هویت، و مصرف انرژی پایین، نقش بسزایی در بهبود عملکرد شبکه و امنیت ارتباطات داشته است. همچنین، مدل پیشنهادی با طراحی مکانیزم خواب/بیداری و استفاده از تکنیک‌های خوشه‌بندی، پایداری شبکه را بهبود داده و وابستگی به سرور مرکزی را به حداقل رسانده است. نتایج آزمایش‌ها نشان می‌دهند که روش پیشنهادی در کاهش مصرف انرژی، بهبود زمان یادگیری، تقویت امنیت ارتباطات، و بهبود عملکرد شبکه، نسبت به روش‌های مرسوم موفق‌تر عمل کرده است. در این میان، بهینه‌سازی مصرف انرژی برجسته‌ترین دستاورد این پژوهش بوده و مدل پیشنهادی توانسته است مصرف انرژی را تا 34.6 درصد کاهش دهد. این دستاورد نشان‌دهنده اثربخشی بالای روش پیشنهادی در کاهش هزینه‌های انرژی و افزایش پایداری شبکه است.
فایل: ّFile: تنزيل فایل