تُستخدم شبكات الاستشعار اللاسلكية (WSNs) في العديد من المجالات الحيوية مثل مراقبة البيئة والأتمتة الصناعية والمدن الذكية. في هذه المجالات، يُطلب نقل بيانات موثوق والعمليات المستمرة. ومع ذلك، تقدم تقنيات الكشف عن الأخطاء الحالية في WSNs تصنيفات ثنائية بشكل أساسي؛ أي، خطأ أو خالٍ من الأخطاء دون تحديد نوع الخطأ. وهذا يؤدي إلى مشاكل في تصحيح الأخطاء وتأخيرها. يقترح هذا العمل نظام تصنيف للأخطاء متعدد الفئات قائم على التعلم الآلي تحت الإشراف يمكن استخدامه لتحديد خمسة حالات مختلفة للشبكة: عادي، لا إشارة، فقدان حزمة عالية، نسبة إشارة إلى ضوضاء ضعيفة، تأخير ناتج عن الازدحام. لتحقيق ذلك، يقوم النظام المقترح بمحاكاة حالات فشل واستعادة مختلفة في شكل Cisco Packet Tracer من خلال قياس معايير مهمة مثل RSSI، فقدان الحزمة، SNR وتأخير نقطة إلى نقطة. ثم، يتم استخدام مجموعة البيانات المسمّاة لإنشاء مصنف شجرة القرار بدقة تتجاوز 90%. يقترح هذا العمل تشخيص أخطاء متعدد الفئات قابل للتفسير وخفيف الوزن من أجل تحسينات تعليمية وتشغيلية في WSNs.
درس أ وآخرون (الأربعاء) هذا السؤال.