文献

J-GLOBAL ID：202202283030726614   整理番号：22A0945044

IoTシステムのデータ伝送低減のためのLSTMベース分散方式【JST・京大機械翻訳】

An LSTM-based distributed scheme for data transmission reduction of IoT systems

著者 (6件)： Fathalla Ahmed (College of Information Science and Engineering, Hunan University, Changsha 410082, China) ,  Fathalla Ahmed (Department of Mathematics, Faculty of Science, Suez Canal University, Ismailia, Egypt) ,  Li Kenli (College of Information Science and Engineering, Hunan University, Changsha 410082, China) ,  Salah Ahmad (College of Information Science and Engineering, Hunan University, Changsha 410082, China) ,  Salah Ahmad (College of Computers and Informatics, Zagazig University, Zagazig, Egypt) ,  Mohamed Marwa F. (Faculty of Computes and Informatics, Suez Canal University, Ismailia, Egypt)
資料名： Neurocomputing  (Neurocomputing)
巻： 485  ページ： 166-180  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoT)システムにおける接続装置の数の成長は,ネットワークトラフィックの巨大な増加を引き起こす。したがって,ネットワークトラフィックの増加を緩和するために,分散IoTベースアプリケーションの測定値を予測できるシステムに対する大きな要求がある。既存の方法は,このタスクを達成するために,分散方式,すなわち二重予測方式(DPS)を利用した。このスキームのアイデアは,データソース(即ち,センサ)と融合中心に関する予測モデルを分散的に展開することに基づいている。最先端の結果は,予測モデル,例えば適応フィルタを用いて簡単に到達できる。深層学習ベース手法はこの問題に対処するためによく利用されていない。これに関連して,霧とエッジコンピューティング技術を利用した分散方式を提案した。提案したDPSは,接続IoTデバイスのデータ伝送インスタンスを低減するためのLSTM予測モデルを含む。それはLSTM-DPSと呼ばれる。さらに,時間を通したデータ特性の変化による展開中のモデル挙動を観察する一連の追跡パラメータに従って,LSTMモデルを更新する更新機構を提案した。提案した更新機構は,配置したLSTMモデルがデータソースと融合センターで同一であることを保証した。LSTM-DPSを2つの実データセットを用いて評価した。得られた結果は,LSTM-DPSが通信削減比に関して最先端の方法より優れていることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ ,  予測 ,  通信路容量 ,  送電 ,  計算機網 ,  *通信 ,  モデル ,  センサ ,  機械学習 ,  適応フィルタ ,  予測モデル
準シソーラス用語： *データ伝送 ,  ネットワークトラフィック ,  *モノのインターネット ,  深層学習 ,  エッジコンピューティング ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (7件)： 深層学習 ,  分散方式 ,  二重予測 ,  エッジコンピューティング ,  IoT ,  LSTM ,  送電削減

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： IoT ,  データ伝送 ,  LSTM