基于神经上下文多臂老虎机的低功耗体域网动态传感器选择
信号处理
2022-05-25 v1
摘要
为健康监测设备赋予机器智能对于实现自动化移动医疗应用十分重要。然而，由于这些设备的资源稀缺性，这带来了额外的挑战。本工作提出了一种基于神经上下文多臂老虎机（contextual bandits）的动态传感器选择方法，用于高性能和资源高效的体域网，以实现下一代移动健康监测设备。该方法利用上下文多臂老虎机在运行时选择信息量最大的传感器组合，并忽略冗余数据，以降低体域网（BAN）中的传输与计算功耗。所提方法已使用最常见的健康监测应用之一——心脏活动监测进行了验证。在考虑通信能耗的情况下，我们将所提方法的解决方案与相关工作在分类性能和能耗方面进行了比较。我们的最终方案在 PTB-XL 心电图数据集上用于心脏异常检测可达到 的 AU-PRC，同时将总体能耗和计算能耗分别降低了 和 。
引用
@article{arxiv.2205.11832,
title = {Neural Contextual Bandits Based Dynamic Sensor Selection for Low-Power Body-Area Networks},
author = {Berken Utku Demirel and Luke Chen and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2205.11832},
year = {2022}
}
备注
To be appeared at The International Symposium on Low Power Electronics and Design (ISLPED) 2022