• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>9th ACM/IEEE international conference on information processing in sensor networks 2010 >Bayesian Optimization for Sensor Set Selection
【24h】

Bayesian Optimization for Sensor Set Selection

机译：贝叶斯优化选择传感器

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We consider the problem of selecting an optimal set of sensors, as determined, for example, by the predictive accuracy of the resulting sensor network. Given an underlying metric between pairs of set elements, we introduce a natural metric between sets of sensors for this task. Using this metric, we can construct covariance functions over sets, and thereby perform Gaussian process inference over a function whose domain is a power set. If the function has additional inputs, our covariances can be readily extended to incorporate them-allowing us to consider, for example, functions over both sets and time. These functions can then be optimized using Gaussian process global optimization (GPGO). We use the root mean squared error (RMSE) of the predictions made using a set of sensors at a particular time as an example of such a function to be optimized; the optimal point specifies the best choice of sensor locations. We demonstrate the resulting method by dynamically selecting the best subset of a given set of weather sensors for the prediction of the air temperature across the United Kingdom.
机译：我们考虑选择传感器的最佳集合的问题，例如，由结果传感器网络的预测精度确定的问题。给定集合元素对之间的基础度量，我们为此任务在传感器集合之间引入自然度量。使用此度量，我们可以在集合上构造协方差函数，从而对域是幂集的函数执行高斯过程推断。如果函数具有其他输入，则可以轻松扩展我们的协方差以合并它们，从而使我们可以考虑例如集合和时间上的函数。然后可以使用高斯过程全局优化（GPGO）来优化这些功能。我们使用在特定时间使用一组传感器做出的预测的均方根误差（RMSE）作为要优化的函数的示例；最佳点指定传感器位置的最佳选择。我们通过动态选择一组给定的天气传感器的最佳子集来预测整个英国的气温，来演示所得方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号