STRONG：非高斯噪声下同步与异步鲁棒网络定位
最优化与控制
2021-10-05 v1 机器学习
摘要
现实世界的网络应用必须应对节点失效、恶意攻击或面临损坏数据（即被归类为离群值的数据）的节点。我们的工作在传感器网络定位问题的范围内解决这些关切，尽管技术文献丰富，先前的研究很少考虑离群值数据。我们提出鲁棒、快速且分布式的网络定位算法，对高功率噪声具有弹性，同时在常规高斯噪声下也精确。我们使用Huber M估计量，从而得到一个鲁棒（但非凸）的优化问题。我们凸化并改变问题表示，以允许分布式鲁棒定位算法：一种具有最优收敛速度的同步分布式方法，以及一种具有已证明收敛保证的异步方法。我们贡献的一个主要亮点在于，我们在可证明的分布式计算方面在精度、通信成本或收敛速度上均未付出代价。仿真展示了我们的算法在存在离群值以及常规高斯噪声下的优越性能：即使在重度加性和乘性离群值噪声下，我们的方法也超过了替代方法（分布式和集中式）的精度。
引用
@article{arxiv.2110.00594,
title = {STRONG: Synchronous and asynchronous RObust Network localization, under Non-Gaussian noise},
author = {Claudia Soares and João Gomes},
journal= {arXiv preprint arXiv:2110.00594},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:1610.09020