文献

J-GLOBAL ID：202002283046185825   整理番号：20A2733675

深層強化学習デモアブストラクトによるバッテリーレスイベント検出センサのエンバ-エネルギー管理【JST・京大機械翻訳】

Ember - energy management of batteryless event detection sensors with deep reinforcement learning demo abstract

著者 (5件)： Fraternali Francesco (UC San Diego) ,  Balaji Bharathan (Amazon) ,  Barrow Michael (UC San Diego) ,  Hong Dezhi (UC San Diego) ,  Gupta Rajesh K. (UC San Diego)
資料名： ACM Proceedings  (ACM Proceedings)
号： SenSys ’20  ページ： 609-610  発行年： 2020年 
JST資料番号： D0698C  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： バッテリレスセンサは,環境に収穫する十分なエネルギーがないとき,運転を減速または停止するコストで電池交換を避ける。この戦略はいくつかの応用に対して研究できるが,事象ベースアプリケーションは,事象が散発的に到達し,エネルギーアベイラビリティが不確実なので,まだ課題として残っている。1つの解決策は,事象が事象を検出し,できるだけ多くのエネルギーを節約するために,イベントが発生する前に,センサ権利だけに変わることである。したがって,システムは限られた資源アベイラビリティを管理する間,事象を正しく予測しなければならない。このデモでは,低エネルギー条件におけるデューティサイクルイベント駆動センサに対する深い強化学習に基づくエネルギー管理システムであるEmberを提示した。著者らは,このシステムが時間にわたって環境パターンをどのように学習するかを示し,低エネルギーアベイラビリティを受ける電池レスエネルギー収集センサノードのイベント検出率を最大化する決定を行う。さらに,新しい環境パターンの発見において,Emberを支援する新しい自己監督データ収集アルゴリズムを示した。より詳細には,読者をEmber[2]の全論文に参照する。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  電池 ,  不確実性 ,  アベイラビリティ ,  *二次電池 ,  エネルギー管理 ,  センサ ,  データ収集 ,  *強化学習
準シソーラス用語： エネルギー管理システム ,  *イベント検出 ,  デューティサイクル ,  低エネルギー ,  センサノード ,  イベント駆動 , 【Automatic Indexing@JST】

著者キーワード (3件)： 無電池 ,  深層強化学習 ,  エネルギー管理

分類 (3件)： 計測機器一般  (AD02000X) ,  無線通信一般  (ND08010L) ,  その他の発電  (NB03140M)

タイトルに関連する用語 (5件)： 深層強化学習 ,  デモ ,  アブストラクト ,  検出センサ ,  エネルギー管理