文献

J-GLOBAL ID：202202227932024459   整理番号：22A1154680

機械学習を用いた無線センサネットワークを用いた地下地域の位置決め【JST・京大機械翻訳】

Localization in Underground Area Using Wireless Sensor Networks with Machine Learning

著者 (2件)： Rama P. (Department of Computer Science and Engineering, Sathyabama Institute of Science and Technology, Chennai, India) ,  Murugan S. (Department of Computer Science and Engineering, Sathyabama Institute of Science and Technology, Chennai, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 837  ページ： 31-40  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 抄録は,論文の内容を要約するべき必須要素であり,そして,本研究は,最大センサが,可燃性自己組織化方法論を欠いているWi-Fiノードコミュニティにおけるセンサノードの地理的役割の計算のパープレックスとして,信用するものである。システムは,WUSN-SVMsがその後の身長に対する特異回答を示唆する。第1に,WUSN-SVMsは,主に単純な結合メッセージ(すなわちホップカウントのみ)に基づくコミュニティを,結果的に直接に位置決めし,そして,現在,カバー装置内で特殊化したり,または,最大現存する方法のように,セルラジットを援助するのに,もはや必要でない。次に,WUSN-SVMは,ベクトルマシン(SVM)知識をサポートするための指針である。一方,SVMは,タイプ機能性であり,ガジットは,目標のクォーナリーに好適であり,適切な教育統計サイズを与える任意の最小閾値を通して,位置決め誤りがトップレベルであるかもしれないことを確証した。第3に,WUSN-SVMは,効果的に境界とカバレージ-中空問題を除去した。しかし,現在,WUSN-SVMは,処理および通信資源のグリーン利用により,散乱した方法で禁制目標を与える。さらに,このシステムは,WUSN-SVMの面積推定を改造するために,質量-スプリング最適化の変化したモデルを示唆した。WUSN-SVMの驚異的な全体的性能を,著者らのシミュレーション研究を通して示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  最適化 ,  シミュレーション ,  位置決め ,  通信 ,  端末装置 ,  可燃性 ,  自己組織化 ,  身長 ,  *機械学習 ,  *センサネットワーク ,  サポートベクトルマシン
準シソーラス用語： *ワイヤレス ,  *無線センサネットワーク ,  センサノード ,  WiFi , 【Automatic Indexing@JST】

著者キーワード (6件)： 無線地下センサネットワーク ,  サポートベクトルマシン ,  位置決め ,  マススプリング ,  カバレッジ ,  データサイズ

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

タイトルに関連する用語 (4件)： 機械学習 ,  無線センサネットワーク ,  地下 ,  地域