Bài viết trình bày về việc đề xuất một thuật toán sử dụng mạng Neural với mục đích dự đoán và chọn lựa tác vụ của nút cảm biến. Thuật toán có thể ứng dụng trên vi điều khiển với khả năng xử lý và lưu trữ hạn chế. Mời các bạn cùng tham khảo! | Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 63 04 2021 46 Trường Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh THUẬT TOÁN ĐỘNG ĐỂ LỰA CHỌN TÁC VỤ TRONG HỆ THỐNG IOTS DYNAMIC ALGORIZATION FOR SELECTING TASKS IN IOTS SYSTEM Trần Công Thịnh Võ Minh Huân Trường Đại học Sư phạm Kỹ thuật Chí Minh Ngày toà soạn nhận bài 28 8 2020 ngày phản biện đánh giá 5 9 2020 ngày chấp nhận đăng 26 1 2021 TÓM TẮT Kéo dài thời lượng pin và tăng cường chất lượng thông tin thu thập của mạng cảm biến không dây sử dụng nguồn năng lượng tái tạo là một trong những vấn đề của hệ thống Intenet of Things IoTs . Để cải thiện vấn đề trên chúng tôi đề xuất một thuật toán sử dụng mạng Neural với mục đích dự đoán và chọn lựa tác vụ của nút cảm biến. Thuật toán có thể ứng dụng trên vi điều khiển với khả năng xử lý và lưu trữ hạn chế. Khác với các phương pháp trước đây chủ yếu tập trung vào chế độ ngủ sâu hay lập ra lịch trình cho các tác vụ thuật toán chúng tôi đề xuất giúp nút cảm biến có tính thích nghi cao hơn với môi trường dựa trên các số liệu thời gian thực tại mỗi nút. Khi có sự chênh lệch số liệu lớn lượng thông tin thu thập về sẽ tăng lên và khi không có sự thay đổi đáng kể nút cảm biến được đưa về tác vụ tiêu tốn năng lượng thấp để đảm bảo được thời lượng pin. Các kết quả từ nghiên cứu cho thấy thuật toán thu thập được số lượng thông tin có ích nhiều hơn thời lượng và tuổi thọ của pin cũng được cải thiện. Từ khóa Mạng neural IoTs Mạng cảm biến không dây Tuổi thọ pin Chất lượng thông tin. ABSTRACT Extending the lifespan and improving the quality of information collected by wireless sensor networks using renewable energy is one of the problems of the Internet of Things IoT system. To improve the above problem we propose an algorithm using a Neural network for the purpose of predicting and selecting sensor nodes and can be applied on microcontrollers with low processing and storage capacity. Unlike previous methods that mainly focus on scheduled or deep sleep tasks the algorithm we recommend makes
