$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

센서 네트워크 환경에서 움직이는 소스 신호의 협업 검출 기법
Cooperative Detection of Moving Source Signals in Sensor Networks

정보과학회논문지 = Journal of KIISE, v.44 no.7, 2017년, pp.726 - 732  

뉴엔후낫민 (경희대학교 컴퓨터공학과) ,  팜츄안 (경희대학교 컴퓨터공학과) ,  홍충선 (경희대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

무선 센서 네트워크의 분산 센싱 및 예측에 대한 실제 Application에서 네트워크 환경 센싱 기능은 움직이는 소스 신호의 잡음 및 많은 센싱 정보들 때문에 매우 동적인 기능을 요구한다. 최근의 Distributed Online Convex Optimization 프레임워크는 분산된 방식으로 센서 네트워크를 통해 확률적인 학습 문제를 해결하기 위한 유망한 접근법으로 개발되었다. 기존의 Distributed Saddle Point Algorithm (DSPA)의 학습 결과에서 수렴 속도와 안정성은 이동성의 영향을 받을 수 있다. 이에 본 논문에서는 움직이는 소스 신호 시나리오의 동시 검출에서 예측을 안정화하고 보다 나은 수렵 속도를 달성하기 위해 통합 Sliding Windows 메커니즘을 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In practical distributed sensing and prediction applications over wireless sensor networks (WSN), environmental sensing activities are highly dynamic because of noisy sensory information from moving source signals. The recent distributed online convex optimization frameworks have been developed as p...

주제어

#분산 온라인 컨벡스 최적화   #온라인 학습   #센서 네트워크  

참고문헌 (8)

  1. J. Yick, B. Mukherjee, and D. Ghosal, "Wireless sensor network survey," Computer networks, Vol. 52, No. 12, pp. 2292-2330, 2008. 

    상세보기 crossref

  2. A. Koppel, F. Y. Jakubiec, and A. Ribeiro, "A saddle point algorithm for networked online convex optimization," IEEE Transactions on Signal Processing, Vol. 63, No. 19, pp. 5149-5164, 2015. 

    상세보기 crossref

  3. A. Koppel; B. Sadler; A. Ribeiro, "Proximity Without Consensus in Online Multi-Agent Optimization," IEEE Transactions on Signal Processing, Vol. 65, No. 12, pp. 3062-3077, 2017. 

    상세보기 crossref

  4. Boyd, Stephen, et al., "Distributed optimization and statistical learning via the alternating direction method of multipliers," Foundations and Trends(R) in Machine Learning 3.1, pp. 1-122, 2011. 

  5. W. Shi, Q. Ling, G. Wu, and W. Yin, "Extra: An exact first-order algorithm for decentralized consensus optimization," SIAM Journal on Optimization, Vol. 25, No. 2, pp. 944-966, 2015. 

    상세보기 crossref

  6. Elad Hazan, "Introduction to Online Convex Optimization," Foundations and Trends(R) in Optimization, Vol. 2, No. 3-4, pp. 157-325, 2016. 

    상세보기 crossref

  7. A. S. Tanenbaum et al., Computer networks, 4th Ed., Prentice Hall, 2003. 

  8. I. Navarro and F. Matia, "An introduction to swarm robotics," ISRN Robotics, Vol. 2013, 2013. 

    상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로