作为深度神经网络的物联网
机器学习
2020-03-25 v1 网络与互联网体系结构
机器学习
摘要
物联网（IoT）中的一项重要任务是现场监测，其中多个 IoT 节点进行测量并将它们传送到基站或云进行处理、推理和分析。当测量为高维（例如视频或时间序列数据）时，这种通信变得代价高昂。带宽有限且设备低功耗的 IoT 网络可能无法支持这种高数据速率的频繁传输。为确保通信效率，本文提出将 IoT 节点处的测量压缩与基站或云处的推理建模为一个深度神经网络（DNN）。我们提出了一种新框架，其中从节点传输的数据是 DNN 某一层的中间输出。我们展示了如何学习 DNN 的模型参数，并研究了通信速率与推理精度之间的权衡。实验结果表明，我们可节省约 96% 的传输量，而推理精度仅下降 2.5%。我们的发现有可能促成许多产生大量测量的新型 IoT 数据分析应用。
引用
@article{arxiv.2003.10538,
title = {The Internet of Things as a Deep Neural Network},
author = {Rong Du and Sindri Magnússon and Carlo Fischione},
journal= {arXiv preprint arXiv:2003.10538},
year = {2020}
}
备注
3 figures, 1 table, 15 pages; The paper is under review in IEEE Communications Magazine