論文の概要: Community-Based Model Sharing and Generalisation: Anomaly Detection in IoT Temperature Sensor Networks

• arxiv url: http://arxiv.org/abs/2601.05984v1
• Date: Fri, 09 Jan 2026 18:05:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:50.063358
• Title: Community-Based Model Sharing and Generalisation: Anomaly Detection in IoT Temperature Sensor Networks
• Title（参考訳）: コミュニティベースのモデル共有と一般化:IoT温度センサネットワークにおける異常検出
• Authors: Sahibzada Saadoon Hammad, Joaquín Huerta Guijarro, Francisco Ramos, Michael Gould Carlson, Sergio Trilles Oliver,
• Abstract要約: 関心のコミュニティ(CoIs)は、異種IoTセンサネットワークを組織化する上で有望なパラダイムを提供する。 本研究では,センサをコミュニティにグループ化することで,CoIパラダイムに基づく異常検出フレームワークを提案する。 その結果, コミュニティ間での変動が観察される一方で, 評価された構成に対して, コミュニティ内での堅牢な性能が示された。
• 参考スコア（独自算出の注目度）: 0.35232085374661287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid deployment of Internet of Things (IoT) devices has led to large-scale sensor networks that monitor environmental and urban phenomena in real time. Communities of Interest (CoIs) provide a promising paradigm for organising heterogeneous IoT sensor networks by grouping devices with similar operational and environmental characteristics. This work presents an anomaly detection framework based on the CoI paradigm by grouping sensors into communities using a fused similarity matrix that incorporates temporal correlations via Spearman coefficients, spatial proximity using Gaussian distance decay, and elevation similarities. For each community, representative stations based on the best silhouette are selected and three autoencoder architectures (BiLSTM, LSTM, and MLP) are trained using Bayesian hyperparameter optimization with expanding window cross-validation and tested on stations from the same cluster and the best representative stations of other clusters. The models are trained on normal temperature patterns of the data and anomalies are detected through reconstruction error analysis. Experimental results show a robust within-community performance across the evaluated configurations, while variations across communities are observed. Overall, the results support the applicability of community-based model sharing in reducing computational overhead and to analyse model generalisability across IoT sensor networks.
• Abstract（参考訳）: モノのインターネット(IoT)デバイスの迅速な展開は、環境や都市現象をリアルタイムで監視する大規模なセンサーネットワークにつながった。 興味のコミュニティ(CoIs)は、同様の運用特性と環境特性を持つデバイスをグループ化することで、異種IoTセンサネットワークを組織化するための有望なパラダイムを提供する。 本研究では,スピアマン係数による時間相関,ガウス距離減衰を用いた空間近接,高度類似度を含む融合類似度行列を用いて,センサをコミュニティにグループ化することで,CoIパラダイムに基づく異常検出フレームワークを提案する。 各コミュニティにおいて、最高のシルエットに基づく代表局が選択され、3つのオートエンコーダアーキテクチャ(BiLSTM, LSTM, MLP)がベイジアンハイパーパラメータ最適化を用いて訓練され、ウィンドウクロスバリデーションが拡張され、同一クラスタのステーションおよび他のクラスタのベスト代表局でテストされる。 モデルはデータの通常の温度パターンに基づいて訓練され、再構成誤差解析により異常を検出する。 実験の結果, コミュニティ間での変動が観察される一方で, 評価された構成に対して, コミュニティ内での堅牢な性能が示された。 全体としては、コミュニティベースのモデル共有の適用性をサポートし、計算オーバーヘッドを低減し、IoTセンサネットワーク間のモデル一般化性を分析する。

関連論文リスト

• Graph Integrated Transformers for Community Detection in Social Networks [0.0]
  本稿では,GNNとTransformerベースのアテンション機構を組み合わせたハイブリッドモデルを提案する。 自己最適化クラスタリングモジュールは、K平均、シルエット損失、KL分散化によるコミュニティ割り当てを洗練する。
  論文  参考訳（メタデータ） (2026-01-07T20:13:32Z)
• An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process [2.5777932046298786]
  1次マルコフ連鎖モデルに基づく軽量かつ解釈可能な異常検出フレームワークが提案されている。 提案したフレームワークは、Intel Berkeley Research Labデータセットを使用して検証された。
  論文  参考訳（メタデータ） (2025-11-01T10:19:00Z)
• Decomposing and Fusing Intra- and Inter-Sensor Spatio-Temporal Signal for Multi-Sensor Wearable Human Activity Recognition [12.359681612030682]
  本稿では,モダリティ変数間の関係をよりよくモデル化するDecomposeWHARモデルを提案する。 この分解は、改良されたDepth Separable Convolutionを通じて、各センサ内変数の高次元表現を生成する。 我々のモデルは、広く使われている3つのWHARデータセットにおいて優れた性能を示し、最先端のモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-01-19T01:52:28Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Multi-Base Station Cooperative Sensing with AI-Aided Tracking [10.400855135405251]
  核融合センター(FC)を介して協調する複数の基地局(BS)からなる共同センシング・通信ネットワークについて検討する。 筆者らのフレームワークは,60cm未満の最適サブパターン割り当て(OSPA)を実現することで,優れたセンシング性能を提供できることを示す。
  論文  参考訳（メタデータ） (2023-10-31T12:27:48Z)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• Deep Phase Correlation for End-to-End Heterogeneous Sensor Measurements Matching [12.93459392278491]
  不均一なセンサ計測に適合するエンド・ツー・エンドのディープ位相相関ネットワーク(DPCN)を提案する。 主なコンポーネントは、学習可能な特徴抽出器にポーズエラーをバックプロパゲートする、微分可能な相関ベースの推定器である。 解釈可能なモデリングにより、ネットワークは軽量化され、より良い一般化が期待できる。
  論文  参考訳（メタデータ） (2020-08-21T13:42:25Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。