ترکیب فناوری اینترنت اشیا با هوش مصنوعی در بهبود فرایند تصمیم گیری شبکه های حسگر بی سیم در سیستم های فیزیکی سایبری

عملکرد اینترنت دائماً از اینترنت رایانه ها (ioc) به «اینترنت اشیا (iot)» در حال تغییر است. علاوه بر این، سیستم‌های به‌هم‌پیوسته گسترده که به عنوان سیستم‌های فیزیکی سایبری (cps) شناخته می‌شوند از همسان سازی بسیاری از جنبه‌ها مانند زیرساخت، دستگاه‌های جاسازی شده، اشیاء هوشمند، انسان‌ها و محیط‌های فیزیکی پدید می‌آیند. ادغام فناوری اینترنت اشیاء صنعتی (iiot) با هوش مصنوعی (ai) تاثیر بزرگی بر فرآیندهای تصمیم‌گیری در صنایع پیشرفته داشته است. این مقاله به پتانسیل هماهنگی بین iiot و ai برای افزایش کارآیی، دقت، سرعت و تطبیق‌پذیری سیستم‌های تصمیم‌گیری در یک طیف گسترده از کاربردهای صنعتی پرداخته و تئوری ایجاد تصمیم‌گیری مبتنی بر داده را مورد بررسی قرار می‌دهد. در این مقاله از طریق نرم افزار یادگیری ماشین (ml) اطلاعات بدست آمده در شبکه حسگرهای بی سیم (wsn) سیستم های فیزیکی سایبری مورد استفاده در دستگاه های iot را با یادگیری ماشینی ترکیب و مورد بررسی قرار می دهیم که به صنایع امکان می‌دهد تصمیم‌گیری بر اساس داده را با سطح‌های بی‌نظیری از پیچیدگی انجام دهند و در نهایت، در بهبود فرایند تصمیم گیری شبکه های حسگر بی سیم سیستم های فیزیکی سایبری با دقت و سرعت بالا، بسیار موثر و مفید باشد.

the combination of internet of things technology with artificial intelligence in improving the decision making process of wireless sensor networks in cyber physical systems

the functionality of the internet is constantly changing from the internet of computers (ioc) to the internet of things (iot) . in addition, extensive interconnected systems known as cyber-physical systems (cps) emerge from the convergence of many aspects such as infrastructure, embedded devices, smart objects, humans, and physical environments. the integration of industrial internet of things (iiot) technology with artificial intelligence (ai) has had a major impact on decision-making processes in advanced industries. this paper addresses the potential of coordination between iiot and ai to increase the efficiency, accuracy, speed and adaptability of decision-making systems in a wide range of industrial applications and explores the theory of data-driven decision-making. in this article, through machine learning (ml) software, we combine and examine the information obtained in the wireless sensor network (wsn) of cyber physical systems used in iot devices with machine learning, which helps industries it allows making decisions based on data with unparalleled levels of complexity and finally, it is very effective and useful in improving the decision making process of wireless sensor networks of cyber physical systems with high accuracy and speed.