抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日,農業領域はその天然資源のより良い利用のために多くの挑戦に直面している。この目的のために,気候変動の危険性を増加させるために,気象データと土壌条件を局所的に監視する必要があり,より迅速でより適応的な意思決定を支援する助けとなる。無線センサネットワーク(WSN)は,それらのタイプの特徴のための監視システムとして機能することができる。しかしながら,WSNは,全体のネットワークの寿命を短くするモートの限られたエネルギー資源を被っている。すべての運動は監視された特徴を周期的に捕捉し,特定のサンプリング速度に依存する更なる解析のためにデータをシンクに送る。大量のデータを送るこのプロセスは,センサノードの高エネルギー消費とネットワーク上の重要な帯域幅利用を引き起こす。本論文では,機械学習に基づくデータ推論アルゴリズム(MLDR)を紹介した。mldrは農業の利益のための環境データに焦点を合わせている。mldrは,シンクにおけるデータアベイラビリティと精度を保つことにより,センサノードレベルでいくつかの機械学習技術を追加することにより,送信データ量をシンクに低減するデータ削減手法である。このデータ削減はエネルギー消費と帯域幅利用を低減し,情報の精度を維持しながら媒体の使用を強化する。この手法を,Weather-Undergedセンサネットワークからの実温度データセットを用いたMATLABに関するシミュレーションにより検証した。結果は,送られたデータの量は,2[数式:原文を参照]を超えない分散で非常に良い精度を維持しながら,[数式:原文を参照]よりも減少することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】