文摘
在现代无线系统中,有一个巨大的需求整合大数据可以能够预测所有应用系统的市场趋势。因此,该方法强调纳米传感器的集成与大数据分析,将用于医疗保健应用程序。同时,安全措施被认为是当这种纳米传感器集成的深度和反射信号也观察到样品使用不同的时间。此外,分析纳米传感器的影响,六个基本场景实时应用提供良好的影响也审议。此外,证明了该方法的熟练,结果装备在在线和离线分析调查误差测量、灵敏度和渗透率参数。介绍了纳米传感器以来,投影技术的效率增加了实现媒体访问控制(MAC)协议与递归神经网络(RNN)。之后,进一步观察仿真结果,证明该方法是更有效的平均百分比的67%相比,现有的方法。
1。大数据和纳米技术:介绍
无线传感器的引入在人类生活中已经改变了人类的整个生命活动作为他们可以能够监视任何参数不同的应用程序相关的偏远地区。然而,随着年龄的增长,每个组件的大小变得非常小的改变了标准网络nanonetworks,最近时间,行业创造了一个伟大革命这样的纳米颗粒。此外,纳米传感器的工作功能相当于标准传感器,从而提供高可靠性、安全性和性能。自电子社区正在快速地发展,有必要更新每个元素存在。因此,纳米技术为一种新的方式来监控参数相关的不同的应用程序。
纳米材料的重要特性之一是它能够存储大量的数据相比,标准的网络。此外,纳米技术正在广泛的表面与不同的材料进行交互;因此,如果任何堵塞发生,那么材料不能与周围的材料。然而,只有表面能与其他材料,它提供了一种新的方式创造机会在医学领域系统晶片的技术,可以减少人体内部组织的伤害。此外,这些纳米传感器提供了很大的优势,因为他们是灵活的,可伸缩的,可弯曲;因此,它可以很容易地使用物联网集成与任何应用程序。
2。文献调查
在本节中,最近的文献,提供关于大数据相关的信息与纳米传感器检测及其优缺点进行了讨论。公约nanodevice已经增加在当代网络单独的影响分析了压电设备(1使用半导体器件)。这种类型的研究改进提供了一个很好的机会提高纳米传感器的设计和规定不同的应用程序,可以很容易地解决日常问题。通过使用纳米传感器的基本概念,效果和描述分析了银纳米粒子的2使用材料的物理和化学性质。这种类型的增强的引入提供了有价值的信息不同的环境威胁和控制这类威胁的途径。甚至intrabody研究纳米传感器被认为是确定电磁辐射的量与不同信道容量(3]。这种类型的网络能够识别不同的疾病在一个短的时间。在最近的一次,有巨大的利用纳米传感器识别的必要性冠状病毒疾病已经蔓延了整个国家(4]。由于大数据是需要这种类型的分析、知识决策系统是必需的。此外,由于大数据变化从日常的患者数量较高,可以使用数据分析工具。但当数据介绍了工具,手动操作所需的时间,提高了估计的时间。同时,为了分析大数据的影响在另一个应用程序,它不同于医疗、社交媒体消费行为提供了大量的数据(5]。实验的主要原因是使用相同的预处理技术,更多数量的数据错误是可以避免的。然而,该模型还没有建立在实时操作,因为它是只有20%的测试数据进行测试。作者(6]也调查了关于大数据的不同特点有六个不同的技术,包括协作、联想、高维、深度、精度、和分离在不同参数的几何关联集成。
因为更多的参数表示在所有六种不同的类型,它将有利于设计模拟如果使用更少的参数。此外,如果评估大数据的概念,然后,数学数据必须遇到一个仿真模型;因此,更好的了解了解数学在跨学科的应用程序应该是已知的(7]。利用拉普拉斯变换和特征值问题,检测的纳米传感器可以应用不同的疾病,最后,应该处理的数据聚类。但只有基本问题可以使用聚类分析确定;然而,纳米传感器的设计是不可能使用这种技术。这些基本的见解,而是优势智能模型可以使用深度学习方法设计(8]。这种类型的先进智能模型使用覆盆子π作为硬件平台提供的高存储数据,它甚至可以被扩展。此外,同一个模型可以扩展当网络合理化第六代高数据安全性的措施。同样的方法可用于监测的活动不同的人9可以使用混合技术收集数据。在上述方法中,使用一个分布式数据库是按照层次结构的数据。
调查大数据分析整理了包括电流技术,机会,和不同的挑战,支持扩大最佳技术使用的纳米传感器(10]。在上述方法中,连续大数据的生命周期方法论提供了巨大的增长可以感知。尽管信息正确提取,使用大数据在各种应用程序仍然是一个不完整的线索。因此,授予应用程序引入的一部分,一种表达方法介绍了适用于大数据的帮助下使用机器学习算法(11),在每个步骤中,搜索过程已经激活。此外,逻辑推理也决定申请过程的普遍特征。另一个应用程序是强调医疗技术用于检测冠状病毒的存在在许多冲突地区(12- - - - - -14]。然而,只讨论了挑战,但诊断和早期治疗方法不是将导致高的混乱状态应用程序序列。介绍了基本资源以来,它不会有效检测终端的存在疾病通过调查窗格。此外,Vitabile et al。15]表明自然方法使用人工智能的医疗保健应用程序定位影响个体的知觉与大数据存储(检查16,17]。在这些案例中,可以使用无线传感器评估疾病的存在,但如果相同的改变了纳米传感器,然后,精度相同的过程将提高到一个更高的程度(13,14]。
在当下日常变化,创新医疗勤奋更重要,因为人生的增长增加潜在风险高(18]。符合上述问题,作者处理大数据的必要性医疗应用程序可以能够拯救每个人的生活。甚至Punith Kumar和帕夏19)注册一个模型,该模型结合了来自不同数据源的数据分布产生重大影响的材料,医疗行业已被确认。数据的主要来源为上述方法将逐步增长,因为生理数据集成。针对一个虚构的方面,更有价值的信息收集从蜀20.)提供了一个高对人类生活的影响有系统的审查过程。由于大数据分析不是开发相应的软件,一个标准的检索提供了敏感数据的机制。
3所示。研究差距和动机
所有文献都使用不同的配方用于监视每个人的状态,但是所有的方法有各自的缺点。还有一些措施能够破译这些具有挑战性的差事。因此,需要克服所有的缺点结合不同的方法。甚至很多作者都使用不同的算法,但只有一些投影算法提供精确的结果。此外,大多数研究人员只考虑评估目的的标准传感器没有引入纳米传感器。
在这篇文章中,作者制定一种新的法兰方法使用大数据监控每个人的健康状况的纳米传感器,不同参数监测。结果观察到通过在线监测系统和他们最终使用MATLAB绘制。此外,一个有效的RNN算法实现了目标参数。
3.1。目标
拟议的工作在纳米传感器分析不同个体的对身体的影响将主要集中在以下三个主要目标。(我)研究大数据合并使用的纳米传感器用于医学应用更多的感染不同的人可以在一个简单的方法确定(2)减少错误的测量标准传感器通过引入纳米材料,可以安全地插入到人体(3)熟悉RNN和无噪声信道协议传输大数据通过创建一个单独的应用程序
3.2。系统模型
在本节中,大数据分析的数学模型,为多媒体网络与无线传感器设计。这个模型由一个线性的主要碎片解释器,实现数据点接收不同的变量,提供高端的支持实现传感器。当数据点所在,个人信息跨越一个特定的传感器将立即及时监控。数学模型预测的数据使用一个线性方法可以给出如下: 在哪里表示数据将被收集在一个向量矩阵的大小相同。显示每个变量在每个数据点的点积。
方程(1)表示,每个变量的点积应该乘以变量值数据的大小应该是统一的长度。指示统一长度的主要原因是,每个人的行为应该在很短的时间内。自该方法着重于各种传染病的检测,有必要创建一个中心的中央数据库,每个车站将使用高端服务器相互连接。对于这个高端服务器,传感器需要镀锌,它可以表示使用方程(2)。 在哪里表明输入函数可以转换和激活将基于输入错误值。
从方程(2),所有包含传感器的误差值应该小于零,表明,传感器可以在更少的时间内被激活。如果找到更多的纳米颗粒,它是非常困难的传感器来检测,结果,误差值高得多。因此,敏感性参数的错误百分比可以如下: 在哪里和表示区域的测量存在在0th和th曲线。和代表了参考和研究参数值。
方程(3)表明,曲线下面积值0之间的区别th和th传感器测量,它应该疏远了下一个完整的区域。同时,参考参数和调查参数值应考虑决策对精确的灵敏度值。如果灵敏度值计算正确,渗透率值的传感器可以测量使用以下方程: 在哪里和表示的最大能力nanosensing信号,可以穿透人体内部。和代表纳米粒子的初始和绝对空白卷,可以可以从两端的传感器。
是杰出的,从方程(4)由于纳米传感器安装在人体内部,应该最小化信号渗透率不造成任何影响系统的其他部分。此外,提供一个清晰的观点关于纳米粒子运输,方程(5)是陷害。 在哪里 , ,和表示饱和、集中和分散的传感器。代表了传感器的故障检测率。
方程(5)表明,电阻温度探测器将用于安装传感器用于测量热分散。此外,净利率损失的故障检测也将被监控。这表明饱和、浓度和色散值必须等于计算比例适当的发现人体的纳米颗粒。中如果有一个情况需要更多数量的纳米传感器安装,然后,距离的测量应该是知道的。这可以通过以下方程:制定。 在哪里和表示测量的时间和声音的空气等于340 m / s。
方程(7)最小化问题,tri-objective案例研究已经形成使用最小化误差值,灵敏度,和渗透率值。如果上述值最小化,那么大数据分析使用线性预测可以评估和纳米颗粒内部存在个人使用的纳米传感器可以很容易地确定。
4所示。优化算法
在本节中,使用纳米传感器设置规则为数据传输过程和相应的算法,可以支持的协议和整合系统模型已经审议。由于纳米粒子是评估、媒体访问控制(MAC)协议。同时,通道用于传感器估计应该是免费的从噪声导致误差最小化。因此,滑动窗口协议被认为是选择窗口大小和相应的数据将通过检查数据的序列号。也应该实现流水线机制选择器窗口大小和它的效率可以在数学上给出如下: 在哪里和表示发送和接收帧的时间。
如果在方程(效率提供8)是增强,数据传输过程吞吐量将增加更高的比特数。因此,通过纳米传感器传送信息所需的比特数可以如下: 在哪里代表的数据包总数存在层2中数据传输过程。
在确定MAC协议的效率,相应的矢量大小是固定的,它可以使用的一种神经网络完成称为递归神经网络(RNN)。在该方法使用RNN的主要原因是没有大小确定时输入的纳米传感器。
由于大数据相关分析了人体医疗保健,有必要记住所有过去的数据和决策应与前一个相比。RNN在该方法的主要优势是,由于大数据需要评价的目的,有必要之前输入需要存储。因此,RNN引入了在之前的输入提供的纳米传感器的信息被存储在双向数据传输模式。此外,像素的所有社区层可以扩展自RNN(多对多通信是可能的21]。上述过程将被添加作为一个优势RNN是否实现。此外,精确的决定可以在很短的时间内通过使用更少的参数的数量自RNN的参数可以共享。因此,参数配方可以如下: 在哪里和表示过去和之前预测RNN的概率值。
因为注入体内的纳米传感器,建立了双向全双工通信。因此,内部环境所需的传输过程,它可以使用传统的正向传播方程如下: 在哪里表示对应的重量,输入和输出之间存在状态。代表的隐层作为一个通道之间的输入和输出状态。
因为不同的权重向量和层介绍了无线传感设备,需要优化的成本由积分方程方法(6)如下:
方程(11)表明,成本函数计算使用相应的权重和隐层重量的区别就是复制与传播的价值观。清晰的视图集成,循序渐进的评估方法是必要的。因此,该模型的流程图如图1。
5。结果和讨论
在本节中,大数据的分析进行了使用递归神经网络在MAC已经被考虑应用无噪声信道。此外,大多数的文献[1- - - - - -12,15,18- - - - - -20.只有测量标准传感器的性能,但在当前的纳米传感器发展趋势为所有应用程序。因此,集成的纳米传感器及其性能是衡量使用六个重要场景如下:(1)场景1:误差最小化(2)场景2:水平的敏感性(3)场景3:错综复杂的渗透率(4)场景4:实现成本(5)场景5:节点的能量消耗(6)场景6:连接信号的响应时间
5.1。场景1
在这种情况下,精度和预测水平的纳米传感器已经深思熟虑,一个数学模型用于计算确定误差值给出了方程(2)。以来预测的准确性非常重要,纳米传感器应该生产出错率,它不应该包含任何消极的价值观。如果存在负值,那么表明精度较小和立即采取行动来减少错误。由于纳米传感器主要用于医疗保健应用程序,它应该安装在适当的位置提供高精确值。在拟议的方法中,误差值与可能的值建立了通过比较现有的大数据使用红色节点作为一个在线平台。相同的值被认为是他们在MATLAB绘制了离线分析。
图2显示了在纳米的纳米传感器测量误差值。检测的准确性,100 - 500纳米传感器及其相应的测量范围。计算感应范围后,感觉比较值与现有的大数据存储。从感觉值,误差值的差异是杰出的,它可以观察到负值的错误存在于现有的方法表明,检测精度预测方法相比小得多。例如,如果感应范围是20000和纳米传感器的数量在本例中是200,然后,预测方法提供了3海里最大误差范围,可以忽视以来百分比的识别小得多。但是同样的情况下,现有的方法(11)提供-检测到错误值为2。这证明该方法精度更高的纳米传感器安装在医疗应用程序。
5.2。场景2
一旦错误值计算下一阶段水平的敏感性,它应该以实现稳态操作条件。如果误差值更高,那么敏感程度的纳米传感器将长期影响波长和阶段。因此,所有数据在相同的波长,有必要减少纳米传感器的敏感性水平。此外,如果灵敏度水平要高得多,然后,困难感应室内应用程序的目标将会更高。在拟议的方法,纳米传感器的灵敏度水平计算使用方程(3)通过考虑面积曲线使用大数据的方向。观察到的操作值直接绘制在MATLAB提供准确的分析灵敏度的案例研究。
图3研讨纳米传感器的观测同情值计算了考虑不同时期。在该方案中,时间被认为是由于在适当的响应时间,只有纳米传感器将提供敏感性的结果。此外,对合并的纳米传感器,误差值较小;因此,因此,灵敏度值也较小。例如,如果纳米传感器的响应时间是180秒,然后,该方法提供了较不敏感的价值被观察到0.2%的原始数据报。但在同一时期,现有的方法(11提供高灵敏度值观察是2.5%远远高于该方法。
5.3。场景3
在这种情况下,安装质量的纳米传感器是观察和计算使用方程(4)。由于该方法提供了一种解决纳米传感器安装在人体,有必要评估渗透水平。如果一个传感器安装在人体,然后,它应该低渗透极限的高反射传感器深处的身体会造成严重损害,应该避免。尽管纳米传感器可以很容易地注入人体由于其体积小,安装应该确定的深度。在这种情况下,纳米传感器安装在1毫米深度和对应的渗透率模拟,如图4。
从图4,它可以观察到不同频率范围的信号被认为是1毫米深度的变化在1和200 GHz之间。渗透率级别对应的频率范围是亨利表示每米(H / m)和它应该小于100。指定这个值是获得大数据,从仿真结果很明显,该方法提供了渗透率值在100。例如,如果纳米传感器的最大频率范围是200 GHz,然后,渗透率现有的方法是发现99 H / m几乎达到最大限度地解决。相同但对于200 GHz频率范围在1毫米的深度,该方法提供的渗透率值等于78 H / m。这证明使用该方法,纳米传感器可以安装在传播的限制更少。
5.4。场景4
安装的纳米传感器的成本是一个重要的案例研究,以及在这种情况下应该交谈RNN被认为是在预测方法。尽管很多传感器用于实时应用程序,它应该为每个人提供食物的质量、数量和成本。如果安装的成本要高得多,大部分的人不会购买和实时应用的纳米传感器将减少。因此,在这种情况下,成本值模拟通过安装相应区域的节点类似于领域被认为是在场景2中。从方程(成本值计算12)和同样被绘制在图5。
从图5,它可以观察到,实现成本在所有层使用不同的权重不同,它不是剩余常数随着传感器节点数量的变化。因此,被认为是在100年和500年之间的节点数量为每个传感器节点,对应的组合和设置成本被认为是。即使在使用RNN成本实现,该方法提供了更好的性能;例如,如果传感器节点的数量被认为是300年,然后,实现总成本将会提供了29800印度卢比。但对于相同数量的节点,现有的方法(11提供69000作为所有层的安装成本和重量都要高得多。同时,权重安装在现有的方法并不适用于所有应用程序;因此,重量可以减少复杂性的过程,大数据是不考虑。
5.5。场景5
因为介绍了纳米传感器监测不同的参数,它是必不可少的理解每个节点的能量消耗。因此,在这种情况下,每个节点所消耗的能源观察到的单位是焦耳。尽管能源消费的所有分支应该保持相同,它总是会由于环境条件和不同的方式安装。此外,如果一些传感器集成在一起,然后,可以按预期更高的能源消耗,但如果更多数量的传感器实现,那么,它是由每个节点执行消耗的能量应该降低。因此,每个节点消耗的能量的实时观察使用在线分析,使用MATLAB绘制在图6。
从图6,它可以观察到从0到4000的节点数量被认为是纳米传感器的标准评价。最好的部分是观察到的数据指针部分代表更多的能量在哪里保存导致减少能量的浪费。例如,如果节点的数目是3500,然后,能量消耗的方法是37焦耳,与相同数量的节点,而现有的(8)方法消耗73焦耳能量远高于预期。如前所述,如果更多数量的纳米传感器实现,然后,能源消耗应该较小,证明了该方法通过合并。
5.6。场景6
分布在纳米传感器的检测信号,响应时间应计算分为瞬态和稳态响应时间。观察不同参数,它总是要求响应时间应该快得多,这样可以很快做出决定,反过来,它将被送往中央运营商由于该方法只使用单跳网络。一个良性的网络实现稳态响应,应该大于1的值。如果该值低于规定的值,然后,瞬态响应将观察到的粗糙使得网络进入状态。
图7提供信息对仿真结果,绘制观察到的响应时间以秒为单位。它可以观察到在图7,当信号传递在纳米传感器对应的响应时间、稳态响应,可以观察到的值大于1。例如,如果响应时间是600秒,稳态响应是观察等于1.2。这个相应的时期之后,一个常数稳态响应已经观察到这使得网络的性能和可靠性更高。
6。结论
在这工作,提出大数据分析的应用程序使用的纳米传感器已经被考虑生育6个不同的场景。在未来,大数据起着至关重要的作用,提供培训所需的所有机器。因此,在这篇文章中,一个RNN算法被认为是与MAC协议确定的大小的纳米传感器注入人体。此外,大数据过程是更高的复杂性和不考虑,但是添加了所有隐藏层的权重。如果纳米传感器应用于医疗应用程序,那么所有参数值可以很容易地在远程监控和这种类型的传感器将提供更高的效率标准传感器相比,纳米传感器体内安装有能力但普及率水平信号小得多。此外,证明了该方法的效率,仿真结果在在线和离线进行,结果证明该方法使用大数据,RNN,和MAC高效相比,现有的方法。
数据可用性
没有数据用于支持本研究。
的利益冲突
作者宣称没有利益冲突。
确认
作者谢天谢地承认科研院长以来,哈立德国王大学Abha,阿西尔,沙特阿拉伯王国,因为资金资助下的项目数量(R.G.P1. / 74/42)。