講演抄録/キーワード |
講演名 |
2017-12-15 16:10
CNNによる効率的なセンサデータ収集手法に関する一考察 ○沈 志舒・横田健治・田上敦士(KDDI総合研究所)・東野輝夫(阪大) IN2017-65 |
抄録 |
(和) |
大規模なIoT環境の構築に伴い,センサデータをクラウドへ収集する際のトラフィック量の爆発的な増加が課題となっている. 本稿では,フォグノードにおいて,機械学習を用い,効率よくセンサデータを収集する手法を提案する.フォグノードは,近隣のセンサデータから,周辺より極端に気温が高いなどの異常状態を推定するための判定器を予め用意する.フォグノードは,判定器を用いて異常な状態の時のみ,その情報をクラウドに送信する.これにより,クラウドは必要な情報のみを収集でき,トラフィック量が削減できる.さらに,実際に商業施設で計測したセンサデータを用いて提案手法の有効性を検証する. |
(英) |
With the construction of large-scale IoT environments, the traffic volume will explosively increase for collecting sensor data to the Cloud. In this paper, we propose an efficient sensor data collection method for the Fog node utilizing machine learning. The Fog nodes introduce classifiers for estimating an abnormal state (e.g., extremely high sensor temperature data by comparing to the neighboring sensor data). Only when an abnormal state is detected by classifiers, Fog nodes will send the related data to the Cloud. As a result, the traffic volume to the Cloud can be significantly reduced. Furthermore, we verify the effectiveness of our proposed method by using real sensor data collected from a commercial facility. |
キーワード |
(和) |
センサネットワーク / 機械学習 / / / / / / |
(英) |
Sensor network / Machine learning / / / / / / |
文献情報 |
信学技報, vol. 117, no. 353, IN2017-65, pp. 115-120, 2017年12月. |
資料番号 |
IN2017-65 |
発行日 |
2017-12-07 (IN) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IN2017-65 |
研究会情報 |
研究会 |
IA IN |
開催期間 |
2017-12-14 - 2017-12-15 |
開催地(和) |
広島市立大学 |
開催地(英) |
Hiroshima City Univ. |
テーマ(和) |
性能評価とシミュレーション、信頼性技術、スループットやトラヒックの計測、品質(QoS)制御、輻輳制御、トラヒック・フロー制御、オーバーレイネットワーク・P2P、IPv6 、マルチキャスト、ルーティング、DDoS及び一般 |
テーマ(英) |
Performance Analysis and Simulation, Robustness, Traffic and Throughput Measurement, Quality of Service (QoS) Control, Congestion Control, Overlay Network/P2P, IPv6, Multicast, Routing, DDoS, etc. |
講演論文情報の詳細 |
申込み研究会 |
IN |
会議コード |
2017-12-IA-IN |
本文の言語 |
日本語 |
タイトル(和) |
CNNによる効率的なセンサデータ収集手法に関する一考察 |
サブタイトル(和) |
|
タイトル(英) |
An efficient sensor data collection method using CNN |
サブタイトル(英) |
|
キーワード(1)(和/英) |
センサネットワーク / Sensor network |
キーワード(2)(和/英) |
機械学習 / Machine learning |
キーワード(3)(和/英) |
/ |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
沈 志舒 / Zhishu Shen / シン シシュウ |
第1著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research) |
第2著者 氏名(和/英/ヨミ) |
横田 健治 / Kenji Yokota / ヨコタ ケンジ |
第2著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research) |
第3著者 氏名(和/英/ヨミ) |
田上 敦士 / Atsushi Tagami / タガミ アツシ |
第3著者 所属(和/英) |
株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research) |
第4著者 氏名(和/英/ヨミ) |
東野 輝夫 / Teruo Higashino / ヒガシノ テルオ |
第4著者 所属(和/英) |
大阪大学 (略称: 阪大)
Osaka University (略称: Osaja Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-12-15 16:10:00 |
発表時間 |
25分 |
申込先研究会 |
IN |
資料番号 |
IN2017-65 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.353 |
ページ範囲 |
pp.115-120 |
ページ数 |
6 |
発行日 |
2017-12-07 (IN) |
|