A Survey on Machine Learning Software-Defined Wireless Sensor Networks (ML-SDWSNs): Current Status and Major Challenges مسح حول شبكات الاستشعار اللاسلكية المعرفة ببرمجيات التعلم الآلي (ML - SDWSNs): الوضع الحالي والتحديات الرئيسية A Survey on Machine Learning Software-Defined Wireless Sensor Networks (ML-SDWSNs) : Current Status and Major Challenges Una encuesta sobre redes de sensores inalámbricos definidos por software de aprendizaje automático (ML-SDWSN): estado actual y principales desafíos

Wireless Sensor Network (WSN), which are enablers of the Internet of Things (IoT) technology, are typically used en-masse in widely physically distributed applications to monitor the dynamic conditions of the environment. They collect raw sensor data that is processed centralised. With the current traditional techniques of state-of-art WSN programmed for specific tasks, it is hard to react to any dynamic change in the conditions of the environment beyond the scope of the intended task. To solve this problem, a synergy between Software-Defined Networking (SDN) and WSN has been proposed. This paper aims to present the current status of Software-Defined Wireless Sensor Network (SDWSN) proposals and introduce the readers to the emerging research topic that combines Machine Learning (ML) and SDWSN concepts, also called ML-SDWSNs. ML-SDWSN grants an intelligent, centralised and resource-aware architecture to achieve improved network performance and solve the challenges currently found in the practical implementation of SDWSNs. This survey provides helpful information and insights to the scientific and industrial communities, and professional organisations interested in SDWSN, mainly the current state-of-art, ML techniques, and open issues. عادةً ما يتم استخدام شبكة الاستشعار اللاسلكية (WSN)، وهي عوامل تمكين لتقنية إنترنت الأشياء (IoT)، بشكل جماعي في التطبيقات الموزعة ماديًا على نطاق واسع لمراقبة الظروف الديناميكية للبيئة. وهي تجمع بيانات المستشعر الخام التي تتم معالجتها بشكل مركزي. مع التقنيات التقليدية الحالية لأحدث WSN المبرمجة لمهام محددة، من الصعب الاستجابة لأي تغيير ديناميكي في ظروف البيئة خارج نطاق المهمة المقصودة. لحل هذه المشكلة، تم اقتراح التآزر بين الشبكات المعرفة بالبرمجيات (SDN) و WSN. تهدف هذه الورقة إلى تقديم الوضع الحالي لمقترحات شبكة الاستشعار اللاسلكية المعرفة بالبرمجيات (SDWSN) وتعريف القراء بموضوع البحث الناشئ الذي يجمع بين مفاهيم التعلم الآلي (ML) و SDWSN، والتي تسمى أيضًا ML - SDWSNs. يمنح ML - SDWSN بنية ذكية ومركزية ومدركة للموارد لتحقيق أداء أفضل للشبكة وحل التحديات الموجودة حاليًا في التنفيذ العملي لـ SDWSNs. يوفر هذا الاستطلاع معلومات ورؤى مفيدة للمجتمعات العلمية والصناعية، والمنظمات المهنية المهتمة بشبكة SDWSN، وخاصة أحدث تقنيات غسل الأموال والقضايا المفتوحة. Les réseaux de capteurs sans fil (WSN), qui sont des catalyseurs de la technologie de l'Internet des objets (IoT), sont généralement utilisés en masse dans des applications largement distribuées physiquement pour surveiller les conditions dynamiques de l'environnement. Ils collectent les données brutes des capteurs qui sont traitées de manière centralisée. Avec les techniques traditionnelles actuelles de WSN de pointe programmées pour des tâches spécifiques, il est difficile de réagir à tout changement dynamique des conditions de l'environnement au-delà de la portée de la tâche prévue. Pour résoudre ce problème, une synergie entre le Software-Defined Networking (SDN) et le WSN a été proposée. Cet article vise à présenter l'état actuel des propositions de réseau de capteurs sans fil définis par logiciel (SDWSN) et à présenter aux lecteurs le sujet de recherche émergent qui combine les concepts d'apprentissage automatique (ML) et de SDWSN, également appelés ML-SDWSN. ML-SDWSN accorde une architecture intelligente, centralisée et sensible aux ressources pour améliorer les performances du réseau et résoudre les défis actuellement rencontrés dans la mise en œuvre pratique des SDWSN. Cette enquête fournit des informations et des idées utiles aux communautés scientifiques et industrielles, et aux organisations professionnelles intéressées par le SDWSN, principalement l'état actuel de l'art, les techniques de BC et les questions en suspens. Las redes de sensores inalámbricos (WSN), que son habilitadores de la tecnología de Internet de las cosas (IoT), generalmente se utilizan en masa en aplicaciones ampliamente distribuidas físicamente para monitorear las condiciones dinámicas del entorno. Recopilan datos sin procesar del sensor que se procesan de forma centralizada. Con las técnicas tradicionales actuales de WSN de última generación programadas para tareas específicas, es difícil reaccionar a cualquier cambio dinámico en las condiciones del entorno más allá del alcance de la tarea prevista. Para resolver este problema, se ha propuesto una sinergia entre Software-Defined Networking (SDN) y WSN. Este documento tiene como objetivo presentar el estado actual de las propuestas de redes de sensores inalámbricos definidos por software (SDWSN) e introducir a los lectores en el tema de investigación emergente que combina los conceptos de aprendizaje automático (ML) y SDWSN, también llamados ML-SDWSN. ML-SDWSN otorga una arquitectura inteligente, centralizada y consciente de los recursos para lograr un mejor rendimiento de la red y resolver los desafíos que se encuentran actualmente en la implementación práctica de SDWSN. Esta encuesta proporciona información y conocimientos útiles a las comunidades científica e industrial, y a las organizaciones profesionales interesadas en SDWSN, principalmente en el estado actual de la técnica, las técnicas de ML y los problemas abiertos.