文献

J-GLOBAL ID：202202225188527407   整理番号：22A0964039

IoTデバイス分類のためのアンサンブル法【JST・京大機械翻訳】

An Ensemble Method for IoT Device Classification

著者 (2件)： Shen Qi (Yunnan University,School of Software,Yunnan,China) ,  Zeng Zuoying (Yunnan University,School of Software,Yunnan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCRD  ページ： 23-29  発行年： 2022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： ますます多くのモノのインターネット(IoT)デバイスはネットワークに便利に接続することを可能にし,ネットワークプロバイダはどのデバイスが安全であるかを同定する必要がある。しかし,IoTデバイスは高速更新率を持ち,ネットワークプロバイダのような組織化器は,ネットワークに接続されたデバイスのタイプを同定,分類することができず,対応する規則を速やかに確立することにより,そのタイプを,よく識別し,分類することはできない。分類タスクのための多数の自己監督,半教師つき,教師なし学習アプリケーションがあるが,伝統的機械学習法の教師つき学習は,まだ分類タスクの非常に重要な部分である。特に,新たに出現したデバイスのサンプルサイズは通常小さく,深い学習は多数の試料を学習する能力を利用しない。本論文は,ランダムフォレスト,ロジスティック回帰,k-最近傍,およびGaussBayesのような従来の機械学習法,ならびに,訓練のためのXGBoost,LightBGM,および勾配ブースのようなSOTA性能を以前に示したブースティング法を選択することを使用した。これに基づいて,この性能を,積層と投票モデルを用いて分類器を結合することによって改良して,投票方法における最適重量割当てを提案した。Copyright 2022 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： *ネットワーク ,  教師なし学習 ,  教師つき学習 ,  応用プログラム ,  投票 ,  機械学習
準シソーラス用語： ロジスティック回帰分析 ,  ISP【インターネット】 ,  ブースティング ,  ランダムフォレスト ,  *モノのインターネット ,  アンサンブル法 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： IoTデバイス ,  分類 ,  アンサンブル法