論文の概要: Sensor Placement for Learning in Flow Networks

• arxiv url: http://arxiv.org/abs/2401.02438v1
• Date: Tue, 12 Dec 2023 01:08:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 09:43:39.903399
• Title: Sensor Placement for Learning in Flow Networks
• Title（参考訳）: フローネットワークにおける学習のためのセンサ配置
• Authors: Arnav Burudgunte, Arlei Silva
• Abstract要約: 本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
• 参考スコア（独自算出の注目度）: 6.680930089714339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large infrastructure networks (e.g. for transportation and power distribution) require constant monitoring for failures, congestion, and other adversarial events. However, assigning a sensor to every link in the network is often infeasible due to placement and maintenance costs. Instead, sensors can be placed only on a few key links, and machine learning algorithms can be leveraged for the inference of missing measurements (e.g. traffic counts, power flows) across the network. This paper investigates the sensor placement problem for networks. We first formalize the problem under a flow conservation assumption and show that it is NP-hard to place a fixed set of sensors optimally. Next, we propose an efficient and adaptive greedy heuristic for sensor placement that scales to large networks. Our experiments, using datasets from real-world application domains, show that the proposed approach enables more accurate inference than existing alternatives from the literature. We demonstrate that considering even imperfect or incomplete ground-truth estimates can vastly improve the prediction error, especially when a small number of sensors is available.
• Abstract（参考訳）: 大規模なインフラストラクチャネットワーク(輸送や電力流通など)では、障害や混雑、その他の敵対的なイベントの監視が常に必要となる。 しかしながら、ネットワーク内のすべてのリンクにセンサーを割り当てることは、配置とメンテナンスコストのためにしばしば実現不可能である。 代わりに、センサーはいくつかのキーリンクにのみ配置することができ、機械学習アルゴリズムは、ネットワーク全体での計測不足(例えば、トラフィック数、電力フロー)の推測に利用することができる。 本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリーディヒューリスティックを提案する。 実世界のアプリケーションドメインのデータセットを用いた本実験は,提案手法が文献の既存の代替案よりも正確な推論を可能にすることを示す。 我々は,不完全あるいは不完全な推定値であっても,特に少数のセンサが利用可能な場合,予測誤差を大幅に改善できることを実証する。

関連論文リスト

• Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
  本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。 センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。 弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
  論文  参考訳（メタデータ） (2024-11-11T12:20:57Z)
• Analysis and Optimization of Seismic Monitoring Networks with Bayesian Optimal Experiment Design [0.0]
  ベイズ最適実験設計(OED)は、不確実性を最適に低減できるデータ、センサーの構成、実験を特定することを目指している。 情報理論は、最適化問題として実験やセンサ配置の選択を定式化し、OEDを導出する。 本研究では,ベイジアンOEDをセンサネットワークの地震イベント検出能力の最適化に用いるために必要なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-27T04:45:27Z)
• `Just One More Sensor is Enough' -- Iterative Water Leak Localization with Physical Simulation and a Small Number of Pressure Sensors [0.0]
  本研究では,物理シミュレーションから得られたデータを用いて,複雑な配水網内の局所化をリークする手法を提案する。 本アルゴリズムは,物理シミュレーション(EPANETソフトウェア)と移動体センサの移動移動移動方式に基づく。
  論文  参考訳（メタデータ） (2024-06-28T13:10:13Z)
• Optimizing Sensor Network Design for Multiple Coverage [0.9668407688201359]
  本稿では,より効率的で堅牢なセンサネットワークを設計するgreedy (next-best-view)アルゴリズムの目的関数を提案する。 また、ほぼリアルタイムで計算を行うアルゴリズムを高速化するためのディープラーニングモデルも導入する。
  論文  参考訳（メタデータ） (2024-05-15T05:13:20Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• 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)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• A Deep Reinforcement Learning-based Adaptive Charging Policy for Wireless Rechargeable Sensor Networks [14.67786743033424]
  センサをエネルギ化するための信頼性の高いソリューションとして、ワイヤレス電力伝送技術が登場している。 深部強化学習(DRL)を用いた適応型充電方式を提案する。 我々のモデルはネットワークトポロジの自然変化に適応できる。
  論文  参考訳（メタデータ） (2022-08-16T16:10:52Z)
• 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)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
  本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。 ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
  論文  参考訳（メタデータ） (2020-03-16T16:54:36Z)

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。