基于有限与无限宽度神经网络的低密度传感器网络真实电磁场暴露估计比较分析
信号处理
2025-04-14 v1 人工智能
机器学习
摘要
了解射频电磁场（RF-EMF）环境暴露的时空模式对于开展风险评估至关重要。这些评估旨在探索 RF-EMF 暴露与其对人类健康以及野生动植物影响之间的潜在联系。现有研究使用了不同的机器学习工具进行 EMF 暴露估计；然而，需要对这些技术进行比较分析，以更好地了解它们在真实世界数据集上的性能。在本工作中，我们提出了基于有限和无限宽度卷积网络的方法，用于估计和评估法国里尔 70 个真实传感器的 EMF 暴露水平。我们进行了比较分析，以评估这些方法的执行时间和估计精度性能。为了提高高分辨率网格的估计精度，我们使用了一种预条件梯度下降方法进行核估计。均方根误差（RMSE）被用作比较这些深度学习模型性能的评估标准。
引用
@article{arxiv.2504.07990,
title = {Comparative analysis of Realistic EMF Exposure Estimation from Low Density Sensor Network by Finite & Infinite Neural Networks},
author = {Mohammed Mallik and Laurent Clavier and Davy P. Gaillot},
journal= {arXiv preprint arXiv:2504.07990},
year = {2025}
}