• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Parallel and Distributed Systems >Power Consumption Analysis of Maximum A Posterior Classifier Using LU Decomposition and Jacobi Iterations
【24h】

Power Consumption Analysis of Maximum A Posterior Classifier Using LU Decomposition and Jacobi Iterations

机译：使用LU分解和Jacobi迭代的最大后验分类器功耗分析

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

In tracking applications of wireless sensor networks (WSNs), classification of an object or event of interest is considred one of the most computationally intensive tasks that recur frequently over the lifetime of the network. It is imperative that the implementations of such tasks be power-efficient and computationally feasible for resource-constrained WSNs. Existing implementations of the best known classifiers, such as Maximum A Posterior (MAP) classifier, are computationally infeasible for WSNs. The focus of this paper is to investigate computational techniques to realize power efficient distributed implementation of the MAP classifier in WSNs. In the MAP classifier, one of the most computationally challenging steps is the computation of the inverse of the covariance matrices. In this paper, we study computationally efficient methods for realizing the inverse of a matrix. We present a detailed discussion of one-sided Jacobi Iterations and LU Decomposition for approximating and computing the inverse of the covariance matrices. For LU Decomposition based solutions, we also apply folding techniques to ensure equal power dissipation among the sensor network nodes We show that MAP with one-sided Jacobi Iterations greatly simplifies classification process and makes it more feasible and efficient choice for sensor network applications.
机译：在跟踪无线传感器网络（WSN）的应用程序中，感兴趣的对象或事件的分类被认为是在网络的整个生命周期中经常重复出现的计算量最大的任务之一。对于资源受限的WSN，此类任务的实现必须高效节能且在计算上可行。对于WSN，在计算上是最不知名的分类器（例如，最大后验（MAP）分类器）的现有实现。本文的重点是研究用于在WSN中实现MAP分类器的高效节能分布式实现的计算技术。在MAP分类器中，最具计算挑战性的步骤之一是协方差矩阵逆的计算。在本文中，我们研究了实现矩阵逆的高效计算方法。我们提出了单侧Jacobi迭代和LU分解的详细讨论，用于逼近和计算协方差矩阵的逆。对于基于LU分解的解决方案，我们还应用了折叠技术以确保传感器网络节点之间的功耗相等。我们证明，具有单面Jacobi迭代的MAP极大地简化了分类过程，使其成为传感器网络应用程序的更可行，更有效的选择。

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