論文の概要: Data-aided Sensing for Distributed Detection
- arxiv url: http://arxiv.org/abs/2011.08393v1
- Date: Tue, 17 Nov 2020 03:15:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:58:40.082623
- Title: Data-aided Sensing for Distributed Detection
- Title（参考訳）: 分散検出のためのデータ支援センシング
- Authors: Jinho Choi
- Abstract要約: 我々は,決定遅延制約の対象となる信頼性決定に対して,DASのJ分割に基づくノード選択基準を導出する。
提案した J-divergence に基づくDAS に基づいて,ノードを選択してログ類似率(LLR)を高速化する。
J分割に基づくDASは、他のアプローチと比較して少ないセンサーで信頼性の高い決定を下せることが確認された。
- 参考スコア（独自算出の注目度）: 48.523643863141466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we study data-aided sensing (DAS) for distributed detection in
wireless sensor networks (WSNs) when sensors' measurements are correlated. In
particular, we derive a node selection criterion based on the J-divergence in
DAS for reliable decision subject to a decision delay constraint. Based on the
proposed J-divergence based DAS, the nodes can be selected to rapidly increase
the log-likelihood ratio (LLR), which leads to a reliable decision with a
smaller number of the sensors that upload measurements for a shorter decision
delay. From simulation results, it is confirmed that the J-divergence based DAS
can provide a reliable decision with a smaller number of sensors compared to
other approaches.
- Abstract（参考訳）: 本稿では,センサ計測が相関している場合の無線センサネットワーク(WSN)における分散検出のためのデータ支援センシング(DAS)について検討する。
特に,決定遅延制約の対象となる信頼性決定に対して,DASのJ分割に基づくノード選択基準を導出する。
提案した J-divergence に基づくDAS に基づいて,ノードを選択してログ類似率(LLR)を急速に増加させる。
シミュレーション結果から,J偏差に基づくDASは,他の手法と比較して少ないセンサで信頼性の高い判定を行うことができることを確認した。
関連論文リスト
- MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T13:32:59Z) - CoSS: Co-optimizing Sensor and Sampling Rate for Data-Efficient AI in Human Activity Recognition [5.215675032361843]
ニューラルネットワークの最近の進歩は、複数の時系列センサーを用いた人間の活動認識を大幅に改善した。
高周波サンプリングレートの多数のセンサを用いることで結果が向上するが、多くの場合、データ非効率性とANNの不要な拡張につながる。
本稿では,HARタスクにおけるデータ効率向上のための実用的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-03T22:04:40Z) - A distributed neural network architecture for dynamic sensor selection
with application to bandwidth-constrained body-sensor networks [53.022158485867536]
ディープニューラルネットワーク(DNN)のための動的センサ選択手法を提案する。
データセット全体の固定選択ではなく、個々の入力サンプルに対して最適なセンササブセット選択を導出することができる。
無線センサネットワーク(WSN)の寿命を、各ノードの送信頻度に制約を加えることで、この動的選択をいかに利用できるかを示す。
論文 参考訳（メタデータ） (2023-08-16T14:04:50Z) - R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。
効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。
このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
論文 参考訳（メタデータ） (2022-04-02T07:54:58Z) - pmSensing: A Participatory Sensing Network for Predictive Monitoring of
Particulate Matter [0.0]
pmSensingシステムは粒子状物質を測定することを目的としている。
プロトタイプが収集したデータとステーションのデータを比較して検証を行う。
このシステムは、リカレントニューラルネットワークを用いて予測分析を行う。
論文 参考訳（メタデータ） (2021-11-22T17:34:12Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。
データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文 参考訳（メタデータ） (2020-11-23T20:59:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。