用于自调优物联网网络的率失真分类
网络与互联网体系结构
2017-06-28 v1 机器学习
摘要
许多未来的无线传感器网络和物联网预计将遵循软件定义的范式，其中协议参数和行为将根据信号统计特性动态调整。当某些事件发生时，新协议将作为软件被注入。例如，随着被监测信号类型或其统计特性的变化，新的数据压缩器可以被即时（重新）编程。我们考虑一个有损压缩场景，其中应用容忍所采集信号的一定失真，以换取更高的能量效率。为了充分获得这种范式的益处，我们讨论了一种自动传感器剖析方法，其中信号类别，特别是相应的率失真曲线，使用机器学习工具（即支持向量机和神经网络）自动评估。我们证明，通过在几百个样本的时间窗口上计算少量（十到二十个）统计特征，这条曲线可以被即时可靠地估计。
引用
@article{arxiv.1706.08877,
title = {Rate-Distortion Classification for Self-Tuning IoT Networks},
author = {Davide Zordan and Michele Rossi and Michele Zorzi},
journal= {arXiv preprint arXiv:1706.08877},
year = {2017}
}