Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети

Фэн Лю; Хуйлинь Ли; Чжун Ян

Повний запис метаданих

Поле DC	Значення	Мова
dc.contributor.author	Фэн Лю	-
dc.contributor.author	Хуйлинь Ли	-
dc.contributor.author	Чжун Ян	-
dc.date.accessioned	2018-08-28T13:39:31Z	-
dc.date.available	2018-08-28T13:39:31Z	-
dc.date.issued	2018	-
dc.identifier.citation	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.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/24365	-
dc.description	Полный текст доступен на сайте издания по подписке: http://radio.kpi.ua/article/view/S0021347018060043	uk
dc.description.sponsorship	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.	uk
dc.language.iso	ru	uk
dc.source	Известия высших учебных заведений. Радиоэлектроника, 2018, Т. 61, № 6 (672)	uk
dc.subject	беспроводная сенсорная сеть	uk
dc.subject	отсутствующие данные сенсоров	uk
dc.subject	оценивание отсутствующих измерений	uk
dc.subject	глубокая нейронная сеть	uk
dc.title	Метод оценивания последовательно отсутствующих данных сенсоров с использованием глубокой нейронной сети	uk
dc.type	Article	uk
dc.format.pagerange	С. 336-348	uk
dc.publisher.place	Киев	uk
dc.identifier.doi	https://doi.org/10.20535/S0021347018060043	-
dc.subject.udc	004.8	uk
dc.description.abstractru	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.	uk
dc.publisher	КПИ им. Игоря Сикорского	uk
Розташовується у зібраннях:	Известия высших учебных заведений. Радиоэлектроника, Т. 61, № 6 (672)

Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.