Mar, 2023

利用机器学习进行无线传感器网络异常检测：一项调查

PDF
TL;DR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。
发现论文，激发创造
  • 无线传感器网络中的机器学习：算法、策略和应用

    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

  • 物联网中基于自编码器神经网络的分布式异常检测

    本文首次将自编码神经网络引入到无线传感器网络中，提出一种基于两部分算法的分布式检测机制，可高效识别各种设备故障和未知现象，并在实际测试中获得了高检测精度和低误报率，同时具备适应非平稳环境的非监督学习特性。

    Dec, 2018

  • 无线传感器网络的攻击与解决方案

    本文分析了无线传感器网络的安全需求和安全攻击，讨论了安全攻击的类型和检测方法，并指出了在无线传感器网络中安全性的基准。

    Jul, 2014

  • MLSTL-WSN：基于 SMOTETomek 的机器学习入侵检测在 WSNs 中的应用

    我们提出了一种创新的入侵检测方法，将机器学习技术与 SMOTE-TomekLink 算法相结合，通过合成少数实例和消除 Tomek 链接，在无线传感器网络中实现了更高的检测准确性。该方法通过特征标准化和数据重采样技术解决了资源约束、数据冗余和不平衡数据集等问题，取得了非常卓越的性能，对于检测和缓解无线传感器网络中的入侵具有显著效果。

    Feb, 2024

  • 一种用于多模态无线传感器网络数据流的动态图神经网络异常检测新方法

    本研究提出了一个新颖的多模态无线传感器网络数据流异常检测模型，通过三个图神经网络分别提取 WSN 数据流的时空特征和形式化特征，并结合节点的空间位置关系，从而大大提高了鲁棒性和 F1 得分。

    Feb, 2022

  • 智能卫星物联网系统的异常检测任务

    基于生成对抗网络和自注意力机制的无监督深度学习异常检测系统，在考虑了本地子序列中包含的不同特征信息的基础上，自动学习环境传感器变量之间的复杂线性和非线性依赖关系，利用重构误差和判别误差的异常得分计算方法，可以高实时性地监测实际传感器数据的异常点，适用于智能卫星物联网系统。大多数情况下，异常检测优于基准方法，具有很好的可解释性，可用于监测环境传感器，预防工业事故和网络攻击。

    Mar, 2024

  • 深度学习在医学异常检测中的应用 — 综述

    本论文的主要目的是针对机器学习在医疗异常检测中的应用进行理论分析，提供关于流行的深度学习技术的全面的系统性回顾，比较和对比它们的架构差异和训练算法，并提供了用于解释模型决策的深度模型解释策略的综合概述。此外，指出现有深度医疗异常检测技术的主要局限性并提出未来的关键研究方向。

    Dec, 2020

  • 弱监督异常检测：一项综述

    本研究是第一部弱监督异常检测方法的全面调查，将其分为三个弱监督设置，以及四种数据模态，并针对每种设置提供了形式化定义、关键算法和潜在未来方向。我们在选择的设置上进行了实验，并发布了源代码，以及一些弱监督异常检测方法和数据的收集。

    Feb, 2023

  • 基于人工神经网络的机器学习在无线网络中的应用：教程

    本文介绍了机器学习和人工神经网络在下一代无线通信网络中的应用，涵盖了前馈神经网络、循环神经网络、脉冲神经网络和深度神经网络等不同类型，并讨论了无人机通信、虚拟现实和边缘缓存等无线通信问题和挑战。作者提出了未来可能的研究方向，对开发满足未来无线网络需求的机器学习技术提供了全面的指南。

    Oct, 2017

  • 机器学习在无线网络中的应用：关键技术与未解决问题

    本文全面调查了机器学习在无线通信中的应用，分类为 MAC 层的资源管理，网络层的网络和移动性管理，以及应用层的定位，并根据采用的机器学习技术组织了每个方面的文献。同时，提出了使用 ML 的条件和未解决的问题，以促进未来的研究。

    Sep, 2018