Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети
DSpace at NTB NTUU KPI
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети
|
|
| Creator |
Фэн Лю
Хуйлинь Ли Чжун Ян |
|
| Subject |
беспроводная сенсорная сеть
отсутствующие данные сенсоров оценивание отсутствующих измерений глубокая нейронная сеть 004.8 |
|
| Description |
Полный текст доступен на сайте издания по подписке: http://radio.kpi.ua/article/view/S0021347018060043
Проект профинансирован фондами фундаментальных исследований (Fundamental Research Funds) для центральных университетов (программа № 2662017JC028) и провинциальным научным фондом Китая в провинции Хубэй (Hubei Provincial Natural Science Foundation of China), грант № 2015CFB437. Явление отсутствующих измерений достаточно распространено в беспроводных сенсорных сетях WSN (wireless sensor networks). Оно оказывает существенное влияние на удобство использования, стабильность и эффективность приложений на основе WSN. Существует множество методов оценивания отсутствующих измерений. Однако точное и эффективное последовательное оценивание отсутствующих измерений остается сложной задачей. Чтобы решить эту проблему, предложен новый метод, названный последовательным оцениванием сенсорных измерений на основе глубокой нейронной сети CSDNN (consecutive sensor data deep neural network). В этом методе, во-первых, анализируются коэффициенты корреляции между различными типами измерений и выбирается определенное количество ближайших соседей из целевого сенсорного узла. Во-вторых, для оценки определенного типа измерений используются различные типы измерений с сильной корреляцией и измерениями одного и того же типа от вышеупомянутых ближайших соседей. Эти измерения рассматриваются как входные данные для глубокой нейронной сети DNN (deep neural network). В-третьих, построена модель DNN, обсуждается оптимизированная структура DNN в случае отсутствующих измерений и проверяется точность CSDNN для различных типов измерений окружающей среды. Согласно полученным результатам, CSDNN позволяет точно оценивать последовательно отсутствующие измерения. |
|
| Date |
2018-08-28T13:39:31Z
2018-08-28T13:39:31Z 2018 |
|
| Type |
Article
|
|
| Identifier |
Фэн Лю. Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети / Фэн Лю, Хуйлинь Ли, Чжун Ян // Известия высших учебных заведений. Радиоэлектроника. – 2018. – Т. 61, № 6(672). – C. 336–348. – Библиогр.: 17 назв.
http://ela.kpi.ua/handle/123456789/24365 https://doi.org/10.20535/S0021347018060043 |
|
| Language |
ru
|
|
| Format |
С. 336-348
application/pdf |
|
| Publisher |
КПИ им. Игоря Сикорского
Киев |
|
| Source |
Известия высших учебных заведений. Радиоэлектроника, 2018, Т. 61, № 6 (672)
|
|