-
题名应用于异常事件检测的深度交替方向乘子法网络
- 1
-
-
作者
胡世成
杨柳
康凯
钱骅
-
机构
中国科学院上海高等研究院
上海科技大学信息科学与技术学院
中国科学院大学
中国科学院上海微系统与信息技术研究所
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第7期2634-2641,共8页
-
基金
国家自然科学基金(61971286)
国家重点研究发展计划(2020YFB2205603)
上海市科学技术委员会科技创新行动计划(19DZ1204300)。
-
文摘
针对大规模无线传感器网络(WSN)中的事件检测问题(EDP),传统的方法通常依赖先验信息,阻碍了实际应用。该文为EDP提出了一种基于深度学习的算法,称为交替方向乘子法网络(ADMM-Net)。首先,采用低秩稀疏矩阵分解来建模事件的时空相关性。之后,EDP被表述为一个带约束的优化问题并用交替方向乘子法(ADMM)求解。然而,优化算法收敛慢且算法的性能依赖于对先验参数的仔细选择。该文基于深度学习中“展开”的概念,提出了一种用于EDP的深度神经网络ADMM-Net。通过“展开”ADMM算法的方式得到。ADMM-Net具有固定层数,其参数可以通过监督学习训练获得。无需先验信息。相比于传统算法,提出的ADMM-Net收敛快且不需先验信息。人造数据集和真实数据集的仿真结果验证了ADMM-Net的有效性。
-
关键词
事件检测
无线传感器网络
时空相关性
低秩稀疏分解
深度学习
交替方向乘子法网络
-
Keywords
Event detection
Wireless Sensor Networks(WSN)
Spatial-temporal correlation
Low rank and sparse matrix decomposition
Deep learning
Alternating Direction Multiplier Method Network(ADMM-Net)
-
分类号
TN919.2
[电子电信—通信与信息系统]
-
