文献

J-GLOBAL ID：201302216535070218   整理番号：13A0291839

Gauss-Markov確率場を用いたモバイルセンサネットワークによる効率的なBayes空間予測

Efficient Bayesian Spatial Prediction with Mobile Sensor Networks Using Gaussian Markov Random Fields

著者 (4件)： XU Yunfei (Michigan State Univ., MI, USA) ,  CHOI Jongeun (Michigan State Univ., MI, USA) ,  DASS Sarat (Michigan State Univ., MI, USA) ,  MAITI Tapabrata (Michigan State Univ., MI, USA)
資料名： Proceedings of the American Control Conference  (Proceedings of the American Control Conference)
巻： 2012 Vol.3  ページ： 2171-2176  発行年： 2012年 
JST資料番号： B0982A  ISSN： 0743-1619  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 著者らは,マルチエージェントシステムで得た連続する雑音の多い測定を用いた大規模空間場の予測問題について検討した。環境モニタリングの分野でモバイルセンサネットワークの開発が増大している。離散格子での計算効率の良いGauss-Markov確率場(GMRF)の適合が研究され,この近似GMRFとその回帰手法は,計算効率とスケーラビリティからリソース制約のあるモバイルセンサネットワークには魅力的である。著者らは物理的空間場を未知の超パラメータを持つGMRFとしてモデル化し,Bayes推定の観点から推定問題を定式化した。また,空間場の正確な予測推論を効率的に計算するための順次Bayes推定アルゴリズムを設計した。本アルゴリズムは計算効率が高く,計測数の増加に対しても拡張性を持つものである。

シソーラス用語： *Gauss-Markov確率場 ,  *センサネットワーク ,  *Bayes推定 ,  マルチエージェントシステム ,  環境モニタリング ,  効率 ,  スケーラビリティ【計算機】
準シソーラス用語： *モバイルセンサネットワーク ,  計算効率

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： Gauss-Markov確率場 ,  モバイルセンサネットワーク ,  予測