无线传感器网络中基于预测的数据降低调查
本文提供关于物联网中数据采集和无线通信的经济分析和定价模型的现状文献综述,其主要关注于无线传感器网络的自适应算法和协议的发展以及在定价策略等领域的应用。
Aug, 2016
这篇综述论文概述了机器学习技术在无线传感器网络 (WSNs) 领域数据异常检测的应用现状,包括 WSNs 的特点和异常检测挑战,以及各种监督、非监督、半监督机器学习技术的应用和比较,最后讨论了应用机器学习技术在 WSNs 感知数据异常检测中的未来方向和开放性研究挑战。
Mar, 2023
本文通过对于 2002-2013 年期间机器学习方法在无线传感器网络中应用的文献综述,评估和比较了各种算法的优缺点并提供了指导性建议,以帮助 WSN 设计人员为特定的应用挑选最合适的机器学习解决方案。
May, 2014
本文为未来无线网络与智能电网互操作的电能的利用、重新分配、交易和规划提出了一个当代的综述,重点是能源收获无线通信的约束操作和优化,以及在智能电网存在时,动态定价下的电能规划和电力交易中的冗余(未使用)电能的重新分配。
Dec, 2019
本文提出了一个使用机器学习算法(XGBoost 和神经网络)的能量预估框架,以预测无线充电设备实际接收到的能量水平。收集了真实的无线能量数据集进行训练和测试,结果表明神经网络模型比 XGBoost 模型更准确。
Mar, 2023
本篇教程以 Wi-Fi 感知技术为例,介绍了数据采集、信号处理、特征提取和模型设计的理论原则和代码实现,强调了深度学习模型(如 CNN、RNN 和对抗性学习模型)在无线感知系统中的应用。
Jun, 2022
本文阐述无线传感器网及物联网的安全性问题,提供了预防、检测和减轻攻击的技术,攻击被分为 “被动攻击” 和 “主动攻击” 两种,了解这些攻击及其相关的防御机制有助于为物联网技术的传播和公共接受铺平安全的道路。
Oct, 2019
机器学习方法在通信问题中被越来越广泛地采用,尤其是在下一代无线设置中。通过使用贝叶斯参数调整和时空高斯过程代理建模,我们能够降低现有硬件的能耗并改善网络性能,同时减少下一代混合波束赋形系统的开销,从而大大提高网络的能效和针对高移动用户的目标能力。贝叶斯范式本身对于能源使用也是有帮助的,因为训练一个贝叶斯优化模型所需的计算要比训练深度神经网络要少得多。
Sep, 2023