
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,005 |
تعداد دریافت فایل اصل مقاله | 3,580,078 |
تکنیکهای یادگیری عمیق ترکیبی برای تشخیص بیماریزاهای گیاهی و بیماری با استفاده از اینترنت اشیاء زیست نانو | ||
مجله بیوتکنولوژی کشاورزی | ||
دوره 15، شماره 4، آذر 1402، صفحه 257-274 اصل مقاله (1.01 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jab.2023.22562.1529 | ||
نویسنده | ||
راماناتان اودایاکومار* | ||
Dean, CS & IT, Kalinga University, India. | ||
چکیده | ||
هدف: هدف اصلی این مطالعه پرداختن به نگرانیهای امنیتی مرتبط با کاربرد عملی رابطهای سایبری زیستی (BCIs) در زمینه اینترنت اشیاء زیست نانو (IoBNT) است. به طور خاص، هدف طبقهبندی دقیق الگوهای غیرعادی در ترافیک BCI برای افزایش امنیت کلیBCI های متصل به اینترنت (5G) است. مواد و روشها: این بخش به تشریح مواد و روش های به کار رفته در مطالعه میپردازد. این شامل استفاده از یک مجموعه ترکیبی متشکل از شبکههای عصبی کانولوشن و حافظه کوتاهمدت بلند (CNN + LSTM) برای طراحی ویژگیهای انعطافپذیر و مقیاسپذیر است. این مطالعه شامل استفاده از تکنیکهای تشخیص ناهنجاری یادگیری ماشینی (ML) است و پیچیدگیهای پارامترها و همبستگیهای بین پارامترهای ترافیک BCI را بررسی میکند. علاوه بر این، ایجاد و اعتبار سنجی یک مجموعه داده مورد بحث قرار میگیرد. نتایج: بخش نتایج، یافتههای مطالعه را با تمرکز بر عملکرد مدل یادگیری عمیق (DL) گروه ترکیبی (CNN + LSTM) ارائه میکند. این شامل جزئیات در مورد دقت به دست آمده، مقایسه با دیگر معماریهای DL، و بینش به دست آمده از اعتبار سنجی دقیق با استفاده از مدل های تک بعدی و چند بعدی در مجموعه دادههای تولید شده است. نتیجهگیری: نتیجه گیری مفاهیم و مشارکتهای کلیدی مطالعه را خلاصه میکند. این مقاله اهمیت مجموعه ترکیبی (CNN + LSTM) را در دستیابی به دقت بالای تقریباً 6/94% در طبقهبندی ترافیک غیرعادی BCI مورد بحث قرار میدهد. علاوه بر این، بر اهمیت پرداختن به نگرانی های امنیتی مرتبط باBCI های متصل به اینترنت (5G) برای کاربرد عملی آنها در زمینه IoBNT تاکید میکند. | ||
کلیدواژهها | ||
اینترنت اشیاء زیست نانو؛ پاتوژنهای گیاهی؛ یادگیری عمیق؛ رابط سایبری زیستی؛ CNN؛ LSTM | ||
مراجع | ||
Alkishri W, Widyarto S, Yousif JH, Al-Bahri M (2023) Fake Face Detection Based on Colour Textual Analysis Using Deep Convolutional Neural Network. J Internet ServnInf Secur 13(3), 143-155.
Bakhshi T, Shahid S (2019) Securing Internet of bio-Nano things: ML-enabled parameter profiling of bio-cyber interfaces. In IEEE 22nd Inter Multitopic Conference (INMIC), 1-8.
Bakhshi T, Zafar S (2023) Hybrid Deep Learning Techniques for Securing Bioluminescent Interfaces in Internet of Bio Nano Things. Sensors 23(21), e8972.
Balasubramaniam S, Somathilaka S, Sun S, et al. (2023) Realizing Molecular Machine Learning Through Communications for Biological AI. IEEE Nano Maga (arXiv) 2212, e11910. https://doi.org/10.48550/arXiv.2212.11910
Chaudhary S, Chaudhary V (2022) A paradigm of internet-of-nano-things inspired intelligent plant pathogen-diagnostic biosensors. ECS Sensor Plus 1(3), e031401.
Chow YW, Susilo W, Phillips JG, et al. (2017) Video Games and Virtual Reality as Persuasive Technologies for Health Care: An Overview. J Wire Mob Net Ubiq Comp Depen Appl 8(3), 18-35.
Chude-Okonkwo UA, Malekian R, Maharaj BT (2016) Biologically inspired bio-cyber interface architecture and model for Internet of bio-nanothings applications. IEEE Trans Comm 64(8), 3444-3455.
Civas M, Kuscu M, Cetinkaya O, et al. (2023) Graphene and Related Materials for the Internet of Bio-Nano Things. APL Mater 11, e080901.
El-Fatyany A, Wang H, Abd El-atty SM, Khan M (2020). Biocyber interface-based privacy for Internet of bio-nano things. Wire Pers Comm 114, 1465-1483.
Gulec O (2023) Distributed routing and self-balancing algorithm for Medical IoNT. Simu Model Practice Theory 129, e102833.
Johnson KA, Bock CH, Brannen PM (2021) Phony peach disease: past and present impact on the peach industry in the southeastern USA. CABI Agri Biosci 2(1), 1-23.
Mishra S, Yılmaz-Serçinoğlu Z, Moradi H, et al. (2023) Recent advances in bioinspired sustainable sensing technologies. Nano-Stru Nano-Obj 34, e100974.
Nikhat A, Yusuf P (2020) The Internet of nano things (IoNT) existing state and future Prospects. GSC Adva Res Rev 5(2), 131-150.
Pérez Vázquez A, Leyva Trinidad DA, Gómez Merino FC (2018) Challenges and proposals to achieve food security by the year 2050. Revista Mexi de Cien Agrí 9(1), 175-189.
Rawat P, Sharma PK, Malik V, et al. (2022) Emergence of high-performing and ultra-fast 2D-graphene nano-biosensing system. Mat Let 308, e131241.
Sicari S, Rizzardi A, Piro G, et al. (2019) Beyond the smart things: Towards the definition and the performance assessment of a secure architecture for the Internet of Nano-Things. Comp Net 162, e106856.
Zafar S, Nazir M, Bakhshi T, et al. (2021a) A systematic review of bio-cyber interface technologies and security issues for Internet of bio-nano things. IEEE Access 9, 93529-93566.
Zafar S, Nazir M, Sabah A, Jurcut AD (2021b) Securing bio-cyber interface for the internet of bio-nano things using particle swarm optimization and artificial neural networks-based parameter profiling. Comp in Bio and Med 136, 104707. | ||
آمار تعداد مشاهده مقاله: 279 تعداد دریافت فایل اصل مقاله: 395 |