Явление отсутствующих измерений достаточно распространено в беспроводных сенсорных сетях WSN (wireless sensor networks). Оно оказывает существенное влияние на удобство использования, стабильность и эффективность приложений на основе WSN. Существует множество методов оценивания отсутствующих измерений. Однако точное и эффективное последовательное оценивание отсутствующих измерений остается сложной задачей. Чтобы решить эту проблему, предложен новый метод, названный последовательным оцениванием сенсорных измерений на основе глубокой нейронной сети CSDNN (consecutive sensor data deep neural network). В этом методе, во-первых, анализируются коэффициенты корреляции между различными типами измерений и выбирается определенное количество ближайших соседей из целевого сенсорного узла. Во-вторых, для оценки определенного типа измерений используются различные типы измерений с сильной корреляцией и измерениями одного и того же типа от вышеупомянутых ближайших соседей. Эти измерения рассматриваются как входные данные для глубокой нейронной сети DNN (deep neural network). В-третьих, построена модель DNN, обсуждается оптимизированная структура DNN в случае отсутствующих измерений и проверяется точность CSDNN для различных типов измерений окружающей среды. Согласно полученным результатам, CSDNN позволяет точно оценивать последовательно отсутствующие измерения.

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"