×
Ramy Aboushelbaya;阿瓜西尔，泰米尔;黄秋亭;Peter A.Norreys。

使用压缩传感和机器学习技术对物联网设备进行高效的基于位置的跟踪。 （英语） Zbl 1527.62053号

Nikeghbali，Ashkan（编辑）等人，《高维优化与概率》。着眼于数据科学。查姆：斯普林格。Springer Optim公司。申请。191, 373-393 (2022).
摘要：本章首次提出了一种基于压缩感知（CS）的下采样位置数据稀疏重建方案。探索了位置数据的潜在稀疏性，并证明了两种基于LASSO回归和神经网络的算法能够有效地重建路径，只需GPS接收器的\（\sim 20）%采样。讨论了iOS设备的实现，并将其结果显示为CS在物联网（IoT）设备基于位置的跟踪中的适用性概念的证明。
关于整个系列，请参见[Zbl 1495.90002号].

MSC公司：

62J07型 岭回归；收缩估计器（拉索）
68T07型 人工神经网络与深度学习
90 C90 数学规划的应用
94甲12 信号理论（表征、重建、滤波等）

软件：

亚当;达奇;AlexNet公司;ImageNet公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Aboushelbaya}等人，Springer Optim。申请。191373--393（2022年；Zbl 1527.62053）
全文： 内政部
OA许可证

参考文献：

[1] 坎迪斯，EJ；Wakin，MB，压缩采样简介，IEEE信号处理。Mag.，25，2，21-30（2008）·doi:10.1109/MSP.2007.914731
[2] CR伯杰；王，Z。；黄，J。；周，S.，压缩感知在稀疏信道估计中的应用，IEEE通信。杂志，48164-174（2010）·doi:10.1109/MCOM.2010.5621984年
[3] M.Lustig，D.Donoho，J.Pauly，稀疏MRI：压缩传感在快速MR成像中的应用，载于《医学磁共振：医学磁共振学会官方期刊》/《医学磁共振学会》，第58卷（2007年），第1182-95页
[4] B.Pan，Y.Zheng，D.Wilkie，C.Shahabi，基于人类移动性和社交媒体的交通异常人群感知，第21届ACM SIGSPATIAL地理信息系统进步国际会议论文集，ser。SIGSPATIAL’13（计算机协会，纽约，2013），第344-353页。doi:10.1145/2525314.2525343
[5] 莫雷拉·马提亚斯，L。；贾马，J。；费雷拉，M。；Mendes-Moreira，J。；Damas，L.，《使用高速GPS数据流进行时间推移o-d矩阵估计》，专家系统。申请。，44, 275-288 (2016) ·doi:10.1016/j.eswa.2015.08.048
[6] 尼尔森，ME；机械，LD；框架，PF，全球定位系统跟踪白尾鹿迁徙，J.Mammal。，85, 3, 505-510 (2004) ·doi:10.1644/BOS-120
[7] S.Hiremath，G.Yang，K.Mankodiya，《可穿戴物联网：以人为中心的医疗保健的概念、架构组件和承诺》，2014年第四届无线移动通信和医疗保健国际会议——通过移动和无线技术创新转变医疗保健（MOBIHEALTH）（2014），第304-307页
[8] Aughey，R.，《GPS技术在野外运动中的应用》，国际运动生理学杂志。执行。，6, 295-310 (2011) ·doi:10.1123/ijspp.6.3.295
[9] 亨特，T。；阿贝尔，P。；Bayen，A.，路径推理滤波器：基于模型的探测车数据低延迟映射匹配，IEEE Trans。智力。运输。系统。，15, 2, 507-529 (2014) ·doi:10.1109/TITS.2013.2282352
[10] Dewhirst，OP；Evans，香港；罗斯基利，K。；RJ哈维；Hubel，TY；Wilson，AM，使用gps漂移修正航位推算提高动物路径和行程估计的准确性，Ecol。Evol.公司。，6, 17, 6210-6222 (2016) ·doi:10.1002/ece3.2359
[11] Zhang，Y。；刘，Y。；Han，LD，实时分段回归：应用于有效且经济地收集gps轨迹数据，Transp。研究记录，2643，1，9-18（2017）·数字对象标识代码：10.3141/2643-02
[12] G.Inc.安卓API文档。https://developer.android.com/reference/android/location/location（https://developer.android.com/reference/android/location/location）
[13] 布罗克曼，D。；赫夫纳格尔。；Geisel，T.，《人类旅行的比例定律》，《自然》，439，7075，462-465（2006）·doi:10.1038/nature04292
[14] MC González；加利福尼亚州伊达尔戈；Barabási，A-L，《理解个体人类流动模式》，《自然》，453，7196，779-782（2008）·doi:10.1038/nature06958
[15] 李，I。；Shin，M。；洪，S。；Lee，K。；Kim，SJ；Chong，S.，《关于人类流动性的征费步行性质》，IEEE/ACM Trans。净值。，19, 3, 630-643 (2011) ·doi:10.1109/TNET.2011.2120618
[16] 皮尔逊，随机游走问题。《自然》72（1865），294-294（1905）。编号1865。自然出版集团。https://www.nature.com/articles/072294b0
[17] J.E.Kiefer，G.H.Weiss，《皮尔逊随机漫步》。AIP确认程序。109(1), 11-32 (1984). 美国物理研究所。doi:10.1063/1.34331
[18] 巴特斯比，东南部；芬恩，国会议员；Usery，EL；Yamamoto，KH，《网络墨卡托的含义及其在在线制图中的应用》，Cartographica Int.J.Geogr。Inf.Geovisualization，49，2，85-101（2014）·doi:10.3138/carto.49.2.2313
[19] 拉尼，M。；德霍克，SB；Deshmukh，RB，《压缩传感系统综述：概念、实现和应用》，IEEE Access，64875-4894（2018）·doi:10.1109/ACCESS.2018.2793851
[20] M.W.Marcellin、M.J.Gormish、A.Bilgin、M.P.Boliek，《JPEG-2000概述》，载于《DCC 2000会议录》。数据压缩会议（2000），第523-541页
[21] Duarte，MF；马萨诸塞州达文波特；塔哈尔，D。；JN拉斯卡；Sun，T。；凯利，KF；Baraniuk，RG，通过压缩采样的单像素成像，IEEE信号处理。Mag.，25，2，83-91（2008年）·doi:10.1109/MSP.2007.914730
[22] Natarajan，B.，线性系统的稀疏近似解，SIAM J.Compute。，24, 2, 227-234 (1995) ·Zbl 0827.68054号 ·doi:10.1137/S0097539792240406
[23] D.Chafaí，O.Guédon，G.Lecué，A.Pajor，压缩感知随机矩阵与高维几何之间的相互作用。法国数学协会，2012年，谷歌图书ID:PwPynQEACAAJ·Zbl 1396.94015号
[24] Tibshirani，R.，通过Lasso，J.R.Stat.Soc.Ser.回归收缩和选择。B方法。，58, 1, 267-288 (1996) ·Zbl 0850.62538号
[25] 吴，TT；Lange，K.，套索惩罚回归的坐标下降算法，Ann.Appl。统计，2，1，224-244（2008）·Zbl 1137.62045号 ·doi:10.1214/07-AOAS147
[26] 维德罗，B。；Rumelhart，DE；Lehr，M.，《神经网络：在工业、商业和科学中的应用》，Commun。ACM，37，93-105（1994）·doi:10.1145/175247.175257
[27] S.Haykin，《神经网络：综合基础》，第1版。（普伦蒂斯·霍尔PTR，上鞍河，1994年）·Zbl 0828.68103号
[28] 古德费罗，I。；Y.本吉奥。；Courville，A.，《深度学习》（2016），剑桥：麻省理工学院出版社，剑桥·Zbl 1373.68009号
[29] Krizhevsky，A。；Sutskever，I。；通用电气公司Hinton；佩雷拉，F。；博格斯，CJC；博图，L。；Weinberger，KQ，ImageNet分类与深度卷积神经网络，神经信息处理系统进展25，1097-1105（2012），Curran Associates，Inc.：Red Hook，Curran-Associations，Inc。
[30] Specht，DF，通用回归神经网络，IEEE Trans。神经网络。，2, 6, 568-576 (1991) ·数字对象标识代码：10.1109/72.97934
[31] Cigizoglu，H。；Alp，M.，《河流产沙建模中的广义回归神经网络》，高级工程师软件。，37, 63-68 (2006) ·doi:10.1016/j.advengsoft.2005.05.002
[32] Hinton，通用电气；Salakhutdinov，RR，《用神经网络降低数据的维数》，《科学》，3135786504-507（2006）·Zbl 1226.68083号 ·doi:10.1212/科学1127647
[33] B.Xu，N.Wang，T.Chen，M.Li，卷积网络中校正激活的实证评估。arXiv:1505.00853[cs，stat]（2015）。http://arxiv.org/abs/1505.00853
[34] D.P.Kingma，J.Ba，Adam：一种随机优化方法。CoRR，abs/1412.6980（2014）。http://arxiv.org/abs/1412.6980
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。