项目名称: 大型场景海量传感信息弹性感知机制及验证

项目编号: No.61272523

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 胡小鹏

作者单位: 大连理工大学

项目金额: 77万元

中文摘要: 大型传感系统通常具有多源海量数据、复杂连接、大空间尺度等特点,在处理资源受限的条件下实现高效场景感知是一个严峻挑战。本项目探索学习人类感知智能,通过融合自底向上传感信息和自顶向下用户信息,研究面向大型场景感知的贝叶斯注意力选择方法,建立海量传感数据条件下弹性感知机制。主要研究内容包括:(1)利用注意力选择机制指导数据表达、资源分配、人机交互等方法的设计与实现,使大型复杂场景感知建立在一个统一的理论体系之上;(2)研究空间域和时间域中信息局部处理机制,建立分散式信息管理框架,提高海量信息处理效率;(3)将事件检测分解为面向已知确定事件和面向未知异常突发事件检测过程,利用贝叶斯注意力选择机制实现两者的融合,使系统能够在重点完成预定的检测任务的同时,兼顾对未知异常突发事件的处理;(4)研制实验设备,在实际大规模的工业生产监控项目中,验证理论成果和关键技术。

中文关键词: 数据融合;贝叶斯方法;注意力选择;传感网络;事件检测

英文摘要: Large-scale sensor networks (LSSNs) are usually characterized by a huge amount of sensor data, complicated connectivity, wide coverage areas and increasingly stringent response-time requirements. These requirements present a significant challenge to sensor data processing and perception. This is especially so when the computational resources available are limited. This project aims to tackle this challenge by using attention-like mechanisms, inspired by the human-sensory system. This attention process will be based on the integration of both user-defined (top-down) preference and sensory (bottom-up) information. By approaching the large scale and complexity problem through Bayesian attention modeling, we will provide an elastic framework for sensor data management in LSSNs. The theoretical and practical value lies on the facts that (1) it provides a unified theoretical system where the design of several major components including data representation, resource allocation and scheduling and human-machine interface control can be guided by the attention mechanism. (2) A decentralized framework will be developed based on a mechanism that processes sensor data locally in both spatial and temporal domains. (3) The events to be detected are divided into two groups: user pre-specified events and unpredictable abnormal e

英文关键词: Data Fusion;Bayesian Method;Attention Selection;Sensor Network;Event Detection

成为VIP会员查看完整内容
0

相关内容

贝叶斯方法是贝叶斯学习的基础,它提供了一种计算假设概率的方法,这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的。其方法为,将关于未知参数的先验信息与样本信息综合,再根据贝叶斯公式,得出后验信息,然后根据后验信息去推断未知参数的方法。
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
智能无人集群系统发展白皮书
专知会员服务
295+阅读 · 2021年12月20日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
《6G总体愿景与潜在关键技术》白皮书,32页pdf
专知会员服务
104+阅读 · 2021年6月8日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
112+阅读 · 2020年8月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【CPS】CPS应用案例集
产业智能官
84+阅读 · 2019年8月9日
【大数据】工业大数据在石化行业的应用成功“落地”
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络安全态势感知
计算机与网络安全
25+阅读 · 2018年10月14日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
10+阅读 · 2021年2月18日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
智能无人集群系统发展白皮书
专知会员服务
295+阅读 · 2021年12月20日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
《6G总体愿景与潜在关键技术》白皮书,32页pdf
专知会员服务
104+阅读 · 2021年6月8日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
112+阅读 · 2020年8月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【CPS】CPS应用案例集
产业智能官
84+阅读 · 2019年8月9日
【大数据】工业大数据在石化行业的应用成功“落地”
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络安全态势感知
计算机与网络安全
25+阅读 · 2018年10月14日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员