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.
Trong thời gian gần đây, các thuật toán máy học được ứng dụng rộng rãi cho việc giải quyết các bài toán dự đoán phức tạp trong đó có dự báo thời tiết. Với những ưu điểm vượt trội như tính linh hoạt, độ chính xác cao, đa dạng về ứng dụng, xử lý dữ liệu có tính biến động theo thời gian, các thuật toán máy học mang tính khách quan và đáp ứng được nhiều yêu cầu của thực tiễn hơn so với các phương pháp trước đây. Mục đích nghiên cứu mà tác giả muốn hướng đến là thiết kế hệ thống dự báo mưa dựa trên mạng nơron nhân tạo kết hợp với mạng cảm biến không dây. Mạng nơron nhân tạo sẽ xử lý các thông số môi trường được thu thập từ mạng cảm biến để đưa ra dự báo về sự kiện mưa. Mô hình mạng nơron sẽ được xây dựng và lựa chọn các thông số phù hợp bằng các sai số dự đoán. Hiệu suất của hệ thống dự báo thời tiết với mô hình mạng nơron đã xây dựng sẽ được kiểm chứng thông qua quá trình thực nghiệm với lượng dữ liệu được thu thập từ thực tế. Hệ thống có thể cập nhật liên tục các thông số môi trường tại nhiều địa điểm. Cơ sở dữ liệu sẽ luôn được cập nhật liên tục với các thông số được thu thập theo thời gian thực và đa dạng vì dữ liệu sẽ được thu thập tại nhiều địa điểm lắp đặt các nút cảm biến trong một khu vực lớn triển khai mạng cảm biến không dây để tăng thêm độ tin cậy cho kết quả dự báo. Đồng thời, cơ sở dữ liệu cũng sẽ dựa trên những thông số được lấy từ các website lưu trữ lịch sử thời tiết làm cơ sở cho tập huấn luyện của mô hình hệ thống. Ngoài ra, kết quả dự báo của hệ thống sẽ sự kiện thời tiết sắp tới theo mô hình phân loại (mưa hay không mưa) thay vì các thông số thời tiết, như vậy sẽ dễ dàng hơn cho người dùng hoặc các hệ thống tự động vì nếu kết quả dự báo là các thông số thời tiết thì ta phải phân tích các thông số dự đoán này sau đó mới có thể gửi đến người dùng. Với kết quả dự báo là sự kiện mưa mà tác giả đang hướng đến, từ phía người dùng hay các hệ thống tự động có thể đưa ra quyết định thực thi hay không các tác vụ như tưới tiêu, phun sương, ... để đảm bảo nông sản trong các ứng dụng nông nghiệp chính.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.