- 传感器网络中的分布式贝叶斯估计:边缘概率密度的共识
设计和分析用于传感器网络的分布式贝叶斯估计算法,涉及协同定位、联邦学习和使用变分推断处理非线性似然模型的映射问题。
- 面向软件定义传感器网络的网络感知自动机器学习框架
提出了一种网络感知的自动化机器学习框架,用于在软件定义的传感器网络中检测分布式拒绝服务攻击(DDoS)。该框架通过选择理想的机器学习算法,根据可变流量负载、异构流量速率和检测时间等指标,能够在网络受限环境中检测到 DDoS 攻击并避免过拟合 - 通过城市人类活动分析提升时空交通预测
提出了一种基于图卷积深度学习算法的改进交通预测方法,利用国家家庭旅行调查的人类活动频率数据增强了活动与交通模式之间的因果关系推断能力,从而实现了最先进的性能表现,而无需引入过多的计算开销。
- 资源受限的无线传感器和物联网网络中的协议合成增强学习
本文探讨了使用强化学习的在线协议合成的概念。 该研究在使用超低复杂度无线收发器的传感器和物联网网络的背景下进行。 该论文介绍了在不同的网络和流量条件下使用 RL 和 Multi Armed Bandit(MAB)(一种特定类型的 RL)来进 - 基于语义传感器网络本体的森林火灾管理决策支持系统
本研究介绍了利用语义传感器网络来计算森林火灾的火险指数以及通过 SPARQL 查询 SSN 本体构建一个基于推理的决策支持系统,帮助用户可视化地监测火险指数变化的步骤。
- ICLR深度卷积在非规则采样时间点云中的应用
本论文提出了一种使用深度学习模型对不规则采样的连续空间时间过程进行直接学习和预测的方法,并验证了该模型在真实天气数据和星际争霸 II 中的有效性。
- KDD无线传感器网络强化学习中的能效
本文提出了一种方法,利用强化学习技术,在能源意识系统中连续进行弱训练,从而提高算法性能并节省能源。这种方法通过利用环境中的其他传感器提供弱标签,然后训练出模型。本方法在模拟本地化环境上进行了评估,并在可用的普遍健康数据集上进行了验证,以利用 - 基于不规则性的图傅里叶变换
本文提出了一种新颖的图傅里叶变换 (GFT) 的推广,它基于分别考虑信号能量和信号变化的定义,从而导致几种可能的正交 GFT。我们的方法包括传统的 GFT 定义作为特殊情况,同时也导致新的 GFT 设计,更好地考虑了图的不规则性。具体而言, - 一种用于图信号重构的分布式跟踪算法
本篇论文主要介绍了一种分布式最小二乘重建算法,用于重建基于样本选择节点中的时间变化的带限图信号。该算法可以追踪时间变化的图形信号,对于时不变信号可以完美地重建,并在合成数据和实际传感器网络数据上进行了实验验证。
- 感知即服务与大数据
这篇论文讨论了新兴的物联网架构、大规模传感器网络应用、传感器网络联合、传感器数据和相关上下文获取技术、云计算管理中的挑战、传感器数据的存储、存档和处理。
- 基于环形信念传播的传感器网络通信
使用信念传播技术在传感器网络中推理环境数据,并通过通信交流信念而非原始传感器值,具有紧凑的实现和分布式特性,可在异步环境和节点故障情况下跟踪环境变化,并在传感器网络等实时数据处理应用中发挥重要作用。
- 图形模型中近乎最优的非远视信息价值
提出了一种基于子模函数理论的随机算法,可以在多项式时间复杂度下有效地选择具有信息量的变量子集,并在两个复杂实际数据集上表现出良好效果。
- 欧几里得距离几何及其应用
本文探讨了基于距离概念的欧几里得几何学,重点研究应用于各种领域中的不完整距离数据的欧几里得空间点集。具体应用包括:分子构象、传感器网络定位和静态问题等。
- 分布式信号处理的切比雪夫多项式逼近
本文提出了一种利用 Chebyshev 多项式实现图傅里叶乘子的分布式计算方法,并基于该方法进行了分布式降噪任务,结果表明该方法在网络规模较大时的通信要求更为优秀。
- 分布式信号处理中的八卦算法
针对在网络传感器中的应用,该研究综述了流言算法在计算机科学、控制、信号处理和信息论领域的最新发展,重点介绍了算法收敛速度、在无线链路中传输的问题以及在分布式估计、信号源定位和压缩等方面的应用。
- 在线分布式传感器选择
本文提出了一种分布式在线贪心(Distributed Online Greedy, DOG)算法,用于从大型传感器网络中选择传感器来获取最有用的信息,算法证明了当效用函数满足自然的递减收益特性(称为次模性)时,可以实现非常强的理论无悔保证。 - 网络中的异常聚集检测
探测给定传感器网络中是否存在具有 “异常行为” 的传感器簇,涉及时间序列分析和泊松分布的聚类检测方法。
- 传感器网络中的分布式参数估计:非线性观测模型和不完美通讯
本文研究了传感器网络中带有非线性观测模型和噪声干扰的分布式静态参数(向量)估计问题。文章引入了可分离可估的观测模型,研究了三种一致性、高效性和渐近无偏性保证的共识 + 创新类似的分布式估计算法,并给出了相应的收敛率保证和分析。
- 通信约束下分布式学习模型的一致性
本文探讨了在分布式环境中统计模式识别的几个不同模型,着重考虑了通信模型和智能学习体系结构对于智能体决策规则和融合规则的影响,同时探索了 Stone 定理在分布式环境中的适用性。