Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети

Скорочена інформація про документ
dc.contributor.authorФэн Лю
dc.contributor.authorХуйлинь Ли
dc.contributor.authorЧжун Ян
dc.date.accessioned2018-08-28T13:39:31Z
dc.date.available2018-08-28T13:39:31Z
dc.date.issued2018
dc.descriptionПолный текст доступен на сайте издания по подписке: http://radio.kpi.ua/article/view/S0021347018060043uk
dc.description.abstractruЯвление 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.uk
dc.description.sponsorshipПроект 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.uk
dc.format.pagerangeС. 336-348uk
dc.identifier.citationФэн 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.uk
dc.identifier.doihttps://doi.org/10.20535/S0021347018060043
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/24365
dc.language.isoruuk
dc.publisherКПИ им. Игоря Сикорскогоuk
dc.publisher.placeКиевuk
dc.sourceИзвестия высших учебных заведений. Радиоэлектроника, 2018, Т. 61, № 6 (672)uk
dc.subjectбеспроводная сенсорная сетьuk
dc.subjectотсутствующие данные сенсоровuk
dc.subjectоценивание отсутствующих измеренийuk
dc.subjectглубокая нейронная сетьuk
dc.subject.udc004.8uk
dc.titleМетод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сетиuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2018-06-336.pdf
Розмір:
68.95 KB
Формат:
Adobe Portable Document Format
Опис:
Первая страница, библиогр.
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Известия высших учебных заведений. Радиоэлектроника, Т. 61, № 6 (672)