文献

J-GLOBAL ID：202202231031753353   整理番号：22A0631074

モノのインターネット侵入者検出のための最適化ディープオートエンコーダモデル【JST・京大機械翻訳】

Optimized Deep Autoencoder Model for Internet of Things Intruder Detection

著者 (2件)： Lahasan Badr (Faculty of Computer and Information Technology, University of Shabwah, Shabwah, Yemen) ,  Samma Hussein (Faculty of Computer and Information Technology, University of Shabwah, Shabwah, Yemen)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 8434-8448  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 限られたハードウェアサポートを有するIoT装置上で実行できる最適化深層学習侵入者検出モデルの開発は,通信エネルギーの削減,待ち時間の低下,およびデータプライバシーの保護のようないくつかの利点を持っている。これらの利点により動機づけられて,本研究は,少数の入力特徴および少数の隠れニューロンを有する浅いアーキテクチャを持つ軽量オートエンコーダ深層モデルを設計することを目的とする。この目的を達成するために,効率的な2層最適化器を用いて,入力特徴,訓練インスタンス,および隠れニューロンの数を同時に選択することにより,軽量深層自動符号器モデルを進化させた。最適化された深いモデルは,K-最近傍(KNN)分類器の精度とオートエンコーダモデルの複雑性の両方によって導かれる。提案した最適化モデルの性能を評価するために,それをN-Baiot侵入検出データセットに適用した。報告した結果は,提案モデルが,平均入力特徴約30および出力隠れニューロン2のみを有する軽量自動符号器モデルで,99%の異常検出精度を達成したことを示した。さらに,提案した2層最適化器は,アルゴリズム最適化アルゴリズム(AOA),粒子群最適化(PSO),および強化学習ベースMemeticパーティクルスウォーム最適化(RLMPSO)のようないくつかの最適化者を凌駕することができた。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： アルゴリズム ,  *最適化 ,  ニューロン ,  最適化手法 ,  符号器 ,  通信 ,  ハードウェア ,  待ち時間 ,  深層 ,  計算機アーキテクチャ ,  機械学習 ,  強化学習
準シソーラス用語： 粒子群最適化 ,  最適化モデル ,  *モノのインターネット ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： インターネット ,  侵入者 ,  最適化