WEKO3
アイテム
機械学習を用いた送受信量解析による無線センサネットワーク監視手法の提案
https://ipsj.ixsq.nii.ac.jp/records/240195
https://ipsj.ixsq.nii.ac.jp/records/240195036a1f61-aed8-4768-8571-a92bf7abe84b
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DICOMO2024079.pdf (3.3 MB)
2026年6月19日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, DLIB:会員：¥0 | ||
| Item type | Symposium(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-19 | |||||||||||
| タイトル | ||||||||||||
| タイトル | 機械学習を用いた送受信量解析による無線センサネットワーク監視手法の提案 | |||||||||||
| タイトル | ||||||||||||
| 言語 | en | |||||||||||
| タイトル | Monitoring Wireless Sensor Nework by Machine Learning Analysing Time Series Traffic Data | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| 資源タイプ | ||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||||
| 資源タイプ | conference paper | |||||||||||
| 著者所属 | ||||||||||||
| 創価大学 | ||||||||||||
| 著者所属 | ||||||||||||
| 神奈川工科大学 | ||||||||||||
| 著者所属 | ||||||||||||
| 創価大学 | ||||||||||||
| 著者名 |
小林, 悠生
× 小林, 悠生
× 清原, 良三
× 寺島, 美昭
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | 本稿では，農業IoTにおける無線センサネットワーク(WSN)の監視を，各センサ端末の通信量のみを用いてブラックボックス的に行う手法を提案する．本稿で対象とする監視は，通信経路とその通信品質の監視であり，各センサ端末の送信量と受信量の類似性から通信経路を推定することでネットワーク監視を実現する．しかしこの手法はバーストトラフィックなどの現象が発生した場合，類似度尺度によっては類似性が著しく低く評価され，推定精度が下がる場合がある．そこで新たな時系列データ間の類似度尺度として類似時間割合(STTR:Similar Trend Time Ratio)を用いることで，全体的な類似性を重視して通信量の比較が可能になり，バーストトラフィック発生時の推定精度低下を防止する．一方で，STTRは通信環境に応じて類似を定義するための閾値の設定が必要であり，本手法の汎用化を阻む要因となる． 本稿では，相関係数を用いて類似度の分布を解析し，機械学習のランダムフォレスト法を用いて最適な閾値を自動的に設定する手法について説明する．実験では，自動設定された閾値を用いた経路推定精度は，最適値を用いた場合と比較して平均して10%程度劣るものの，異なる通信環境に対しても閾値を自動設定可能であることを確認した． |
|||||||||||
| 書誌情報 |
マルチメディア，分散，協調とモバイルシンポジウム2024論文集 巻 2024, p. 581-586, 発行日 2024-06-19 |
|||||||||||
| 出版者 | ||||||||||||
| 言語 | ja | |||||||||||
| 出版者 | 情報処理学会 | |||||||||||
