文献

J-GLOBAL ID：202002240391634698   整理番号：20A0435366

非線形グラフフィルタに基づく異常センサ検出【JST・京大機械翻訳】

Anomalous Sensor Detection Based on Nonlinear Graph Filter

著者 (3件)： Li Zhuo (Fujian Key Laboratory of Sensing and Computing for Smart City,Xiamen,Fujian,China) ,  Xiao Zhenlong (Fujian Key Laboratory of Sensing and Computing for Smart City,Xiamen,Fujian,China) ,  Lan Chao (University of Wyoming,Department of Computer Science,Wyoming,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GlobalSIP  ページ： 1-4  発行年： 2019年 
JST資料番号： W2441A  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： IoTセンサネットワークに関する異常データの検出は,特に異常が通常のデータから小さい偏差を持つ場合には,重要な課題であるが,これはデータの爆発的成長による5Gとそれ以上の時代においてより困難になる。本論文では,センサデータとネットワーク構造情報を研究し,ロバストで効果的な異常検出アルゴリズムを開発した。センサデータ再構成モデルを最近開発された非線形多項式グラフフィルタ(NPGF)に基づいて構築し,センサネットワークの隣接行列を含み,ネットワーク構造情報から学習する。最初に,通常のセンサデータからNPGFベースの再構成モデルを推定し,次に,モデルから高い再構成誤差を達成するものとして異常なセンサを検出する。提案したアルゴリズムは,線形グラフ周波数に基づく他の最近のグラフベースの検出器と比較して,小さな偏差で異常に関する0.1のより高い検出率を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  センサ ,  検出器 ,  ロバスト性 ,  構成モデル ,  再構成 ,  多項式 ,  センサネットワーク ,  ネットワーク構造 ,  線形性
準シソーラス用語： 検出率 ,  隣接行列 ,  検出アルゴリズム ,  センサデータ ,  モノのインターネット , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (2件)： 非線形 ,  グラフ