4.1. Space complexityFor the WSN–SO

4.1. Space complexity

For the WSN–SOM design, a generic mote with an embedded neuron stores a number of data structures and parameters locally. These include the neuron weight vector of reals with dimension NIL (which is the number of features for training patterns), a second vector of reals with dimension of not more than NOL (which is the number of output layer neurons in SOM) for storing the outputs from connected neurons, and the set of parameters, CParams, associated with the initialization, the training and the computational model of neuron dynamics. In comparison, the single supervisory mote stores the entire set of P training patterns each with dimensionality of NIL at a memory cost of O(P×NIL). Wireless communication channels serve as connections among a transmitting neuron and receiving neurons to exchange neuron outputs. In quantitative terms, the space or memory cost for a generic mote is given by O(NIL+NOL+|CParams|). The space complexity for a generic mote then depends mainly on the dimension of the feature space since it is the dominant term among those contributing to the space complexity. Therefore, the memory cost for a generic mote is linear in the number of features of the training patterns for the WSN–SOM neural network. The space or memory cost for the supervisory mote is, however, on the order of the number of training patterns multiplied by the dimensionality of patterns in the data set.

4.2. Time complexity

The time complexity of the proposed computing system is determined by a number of factors related to WSN design parameters. Additionally, there are two distinct phases for the SOM algorithm: the training that bears a substantial time cost and the deployment whose time cost tends to be negligible compared to that of the training.

Considering the pseudocode for SOM training in Fig. 11, a set of timing parameters are defined in Table 6 to facilitate the time complexity analysis. Compared to the centralized or non-distributed implementation, the time complexity for the distributed WSN–SOM implementation has three major aspects. The WSN–SOM implementation offers reduction in processing time needed for updating network neuron dynamics and weights through parallelism; results in increase in time cost due to various communication requirements among neurons; and has comparable time cost for other phases such as the process of determining the BMU

ผลลัพธ์ (ไทย) 1:

4.1 พื้นที่ซับซ้อนแบบ WSN – ส้ม มลทินทั่วไปกับเซลล์ประสาทที่ฝังเก็บโครงสร้างข้อมูลและพารามิเตอร์ในท้องถิ่น ประกอบด้วยเวกเตอร์น้ำหนักเซลล์ประสาทของตัวเลขจริงกับมิติ NIL (ซึ่งเป็นหมายเลขของคุณลักษณะการฝึกรูปแบบ), เวกเตอร์สองของตัวเลขจริงกับมิติของไม่มากกว่า neurons เชื่อมต่อ NOL (ซึ่งเป็นจำนวนผลผลิต neurons ชั้นในส้ม) สำหรับแสดงผลจากการจัดเก็บ และชุดของพารามิเตอร์ CParams เกี่ยวข้องกับการเริ่มต้น การฝึก และแบบจำลองเชิงคำนวณของ dynamics เซลล์ประสาท ในการเปรียบเทียบ มลทินประกาศเดียวเก็บ P ฝึกรูปแบบแต่ละชุดทั้งหมดกับ dimensionality ของ NIL ต้นทุนในการใช้หน่วยความจำ O(P×NIL) ช่องทางการสื่อสารไร้สายให้บริการเป็นการเชื่อมต่อระหว่างเซลล์ประสาทส่งผ่านและรับแลกเปลี่ยนแสดงผลเซลล์ประสาท neurons ในแง่ของเชิงปริมาณ ต้นทุนพื้นที่หรือหน่วยความจำสำหรับมลทินทั่วไปถูกกำหนดโดย O(NIL+NOL+| CParams|) พื้นที่ซับซ้อนในมลทินทั่วไปแล้วนั้นในมิติของพื้นที่คุณลักษณะส่วนใหญ่เนื่องจากเป็นคำหลักที่สนับสนุนพื้นที่ซับซ้อน ดังนั้น ต้นทุนของหน่วยความจำสำหรับมลทินทั่วไปเป็นเส้นในหมายเลขของรูปแบบการฝึกอบรมของเครือข่ายประสาท WSN – ส้ม ต้นทุนพื้นที่หรือหน่วยความจำสำหรับมลทินประกาศได้ อย่างไร ตามขั้นของรูปแบบการฝึกที่คูณ ด้วย dimensionality ของรูปแบบชุดข้อมูล4.2 ความซับซ้อนเวลาเวลาความซับซ้อนของระบบคอมพิวเตอร์นำเสนอเป็นไปตามปัจจัยที่เกี่ยวข้องกับพารามิเตอร์การออกแบบของ WSN นอกจากนี้ มีสองอัลกอริทึม SOM หมดระยะ: การฝึกที่หมีต้นทุนเวลาที่พบและใช้เวลาต้นทุนมีแนวโน้มจะระยะเปรียบเทียบกับการฝึกพิจารณารหัสเทียมสำหรับฝึกส้มใน Fig. 11 มีกำหนดชุดของพารามิเตอร์เวลา 6 ตารางเพื่อให้ง่ายต่อการวิเคราะห์ความซับซ้อนของเวลา เมื่อเทียบกับการใช้งานส่วนกลาง หรือไม่กระจาย ความซับซ้อนของเวลาการใช้งาน WSN – ส้มกระจายมีสามด้านหลัก ใช้งาน WSN – ส้มให้ลดเวลาการประมวลผลที่จำเป็นสำหรับการปรับปรุงเครือข่ายเซลล์ประสาท dynamics และน้ำหนักผ่าน parallelism ผลลัพธ์ในการเพิ่มต้นทุนของเวลาเนื่องจากความต้องการสื่อสารต่าง ๆ ระหว่าง neurons และมีเวลาสามารถเปรียบเทียบต้นทุนสำหรับระยะอื่น ๆ เช่นกระบวนการกำหนด BMU

ผลลัพธ์ (ไทย) 2:

4.1 ความซับซ้อนของพื้นที่สำหรับการออกแบบ WSN-SOM เป็นมลทินทั่วไปที่มีการเก็บเซลล์ประสาทฝังตัวจำนวนของโครงสร้างข้อมูลและพารามิเตอร์ในประเทศ เหล่านี้รวมถึงเวกเตอร์น้ำหนักเซลล์ประสาทของ reals กับ NIL มิติ (ซึ่งก็คือจำนวนของคุณสมบัติสำหรับรูปแบบการฝึกอบรม), เวกเตอร์ที่สองของจำนวนจริงที่มีขนาดไม่เกิน NOL (ซึ่งเป็นจำนวนเซลล์ชั้นผลลัพธ์ใน SOM) สำหรับการจัดเก็บ เอาท์พุทจากเซลล์ประสาทที่เชื่อมต่อและการตั้งค่าของพารามิเตอร์ CParams ที่เกี่ยวข้องกับการเริ่มต้นการฝึกอบรมและการคำนวณรูปแบบของการเปลี่ยนแปลงของเซลล์ประสาท ในการเปรียบเทียบร้านค้ามลทินกำกับดูแลเดียวทั้งชุดของรูปแบบการฝึกอบรม P แต่ละคนมีมิติของ NIL ค่าใช้จ่ายที่หน่วยความจำของ O (P ×ไม่มี) ช่องทางการสื่อสารไร้สายทำหน้าที่เป็นผู้เชื่อมต่อระหว่างเซลล์ประสาทส่งสัญญาณและรับเซลล์ประสาทเซลล์ประสาทที่จะแลกเปลี่ยนเอาท์พุท ในแง่ปริมาณพื้นที่หรือค่าใช้จ่ายที่หน่วยความจำสำหรับมลทินทั่วไปจะได้รับจาก O (NIL + + NOL | CParams |) ความซับซ้อนพื้นที่สำหรับมลทินทั่วไปแล้วขึ้นอยู่กับขนาดของพื้นที่คุณลักษณะเพราะมันเป็นคำที่โดดเด่นในหมู่ผู้ที่เอื้อต่อความซับซ้อนของพื้นที่ ดังนั้นค่าใช้จ่ายในหน่วยความจำสำหรับมลทินทั่วไปเป็นเส้นตรงในจำนวนของคุณสมบัติของรูปแบบการฝึกอบรมสำหรับ WSN-SOM เครือข่ายประสาท พื้นที่หรือค่าใช้จ่ายที่หน่วยความจำสำหรับการกำกับดูแลเป็นมลทิน แต่ในการสั่งซื้อของจำนวนของรูปแบบการฝึกอบรมคูณด้วยมิติของรูปแบบในชุดข้อมูลที่. 4.2 ความซับซ้อนของเวลาความซับซ้อนเวลาของการระบบคอมพิวเตอร์ที่นำเสนอจะถูกกำหนดโดยจำนวนของปัจจัยที่เกี่ยวข้องกับพารามิเตอร์การออกแบบ WSN นอกจากนี้ยังมีสองขั้นตอนที่แตกต่างกันสำหรับวิธี SOM คือการฝึกอบรมที่หมีค่าใช้จ่ายครั้งที่สำคัญและการใช้งานที่มีค่าใช้จ่ายครั้งมีแนวโน้มที่จะมีเพียงเล็กน้อยเมื่อเทียบกับที่ของการฝึกอบรม. พิจารณา pseudocode สำหรับการฝึกอบรมในรูป SOM 11 ชุดของพารามิเตอร์ระยะเวลาที่กำหนดไว้ในตารางที่ 6 เพื่อความสะดวกในการวิเคราะห์ความซับซ้อน เมื่อเทียบกับการดำเนินงานจากส่วนกลางหรือไม่กระจายความซับซ้อนของเวลาสำหรับการดำเนินการกระจาย WSN-SOM มีสามด้านที่สำคัญ การดำเนินการ WSN-SOM มีการลดลงในเวลาการประมวลผลที่จำเป็นสำหรับการปรับปรุงเครือข่ายการเปลี่ยนแปลงของเซลล์ประสาทและน้ำหนักผ่านขนาน; ส่งผลให้เกิดการเพิ่มขึ้นของค่าใช้จ่ายครั้งเนื่องจากความต้องการการสื่อสารที่แตกต่างกันในหมู่เซลล์ประสาท; และมีค่าใช้จ่ายครั้งเทียบเคียงสำหรับขั้นตอนอื่น ๆ เช่นขั้นตอนของการกำหนด BMU ที่

ผลลัพธ์ (ไทย) 3:

4.1 .

ของพื้นที่สำหรับ WSN –ส้มออกแบบ แฟชั่นทั่วไปกับฝังตัวเซลล์ประสาทร้านค้าหมายเลขของโครงสร้างข้อมูลและตัวแปรท้องถิ่น เหล่านี้รวมถึงเซลล์ประสาทน้ำหนักเวกเตอร์ reals กับมิติศูนย์ ( ซึ่งมีจำนวนคุณสมบัติสำหรับรูปแบบการฝึกอบรม )เวกเตอร์สองมิติจริงๆด้วยไม่เกิน นอล ( ซึ่งมีจำนวนเซลล์ประสาทในชั้นออกส้ม ) สำหรับการจัดเก็บผลผลิตจากเชื่อมต่อเซลล์ประสาท และตั้งค่าพารามิเตอร์ cparams เกี่ยวข้องกับการเริ่มต้น , การฝึกอบรมและรูปแบบการคำนวณพลศาสตร์ของเซลล์ประสาท . ในการเปรียบเทียบผงนิเทศเดียวเก็บทั้งชุด P ฝึกอบรมรูปแบบแต่ละ dimensionality ของนิลที่หน่วยความจำค่า O ( P ×นิล ) ช่องทางการสื่อสารไร้สาย เป็นการเชื่อมต่อระหว่างเซลล์ประสาทและเซลล์ประสาทการรับแลกเปลี่ยนผลผลิตเซลล์ . ในแง่ปริมาณ พื้นที่ หรือ ต้นทุนหน่วยความจำสำหรับแฟชั่นทั่วไปจะได้รับโดย O ( นิล นอล | cparams | )ความซับซ้อนของพื้นที่สำหรับแฟชั่นทั่วไปแล้วขึ้นอยู่กับขนาดของพื้นที่ เนื่องจากเป็นคุณลักษณะเด่นในระยะระหว่างเหล่านั้นเกิดความซับซ้อนของพื้นที่ ดังนั้นต้นทุนหน่วยความจำสำหรับแฟชั่นเป็นเส้นตรงในหมายเลขของคุณลักษณะของรูปแบบการฝึกอบรมสำหรับ WSN –สมประสาทเครือข่าย พื้นที่หรือต้นทุนหน่วยความจำสำหรับผงนิเทศอยู่ อย่างไรก็ตามในการสั่งซื้อของจํานวนของการฝึกอบรมรูปแบบคูณด้วย dimensionality ของรูปแบบในชุดข้อมูล .

4.2 . เวลาถึงบางอ้อ

เวลาเสนอความซับซ้อนของระบบคอมพิวเตอร์จะถูกกำหนดโดยจำนวนของปัจจัยที่เกี่ยวข้องกับ WSN การออกแบบพารามิเตอร์ นอกจากนี้ยังมีสองขั้นตอนที่แตกต่างกันสำหรับส้มอัลกอริทึม :การฝึกอบรมที่หมีค่าใช้จ่ายดังกล่าวและการใช้งานที่มีต้นทุนเวลา มีแนวโน้มที่จะ เล็กน้อย เมื่อเทียบกับที่ของการฝึก

พิจารณารหัสเทียมสำหรับการฝึกอบรมส้มในรูปที่ 11 ชุดของพารามิเตอร์เวลาที่กําหนดไว้ในตารางที่ 6 เพื่อความสะดวกในการวิเคราะห์ความซับซ้อน เวลา เมื่อเทียบกับส่วนกลางหรือไม่ การกระจายความซับซ้อนของเวลาสำหรับการกระจายและการใช้งานได้สม WSN 3 ด้านหลัก การใช้บริการ–ส้ม WSN ลดเวลาการประมวลผลที่จำเป็นสำหรับการปรับปรุงเครือข่ายเซลล์ประสาทพลวัตและน้ำหนักผ่านขนาน ผลในการเพิ่มค่าใช้จ่ายในเวลาเนื่องจากความต้องการการสื่อสารระหว่างเซลล์ประสาทต่างๆ ;และมีต้นทุนเวลาเทียบเคียงสำหรับขั้นตอนอื่น ๆ เช่น กระบวนการของการกำหนดซึ่งได้รับการสนับสนุนจาก