Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Τεχνικές συμπερασμού σε δίκτυα αισθητήρων χαμηλού κόστους

Apostolakis Georgios

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/45F15E3A-2A5F-409F-B894-85DC0FA229A0-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.95446-
Γλώσσαen-
Μέγεθος2.5 megabytesen
Μέγεθος55 pagesen
ΤίτλοςInference techniques in low-cost sensor networksen
ΤίτλοςΤεχνικές συμπερασμού σε δίκτυα αισθητήρων χαμηλού κόστουςel
ΔημιουργόςApostolakis Georgiosen
ΔημιουργόςΑποστολακης Γεωργιοςel
Συντελεστής [Επιβλέπων Καθηγητής]Bletsas Aggelosen
Συντελεστής [Επιβλέπων Καθηγητής]Μπλετσας Αγγελοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Lagoudakis Michailen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Λαγουδακης Μιχαηλel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Deligiannakis Antoniosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Δεληγιαννακης Αντωνιοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
ΠερίληψηDistributed execution of algorithms across resource-constrained terminals has become increasingly popular, especially when fault tolerance is required. Asynchronous operation is brought to light in such scenarios, and in particular, probabilistic asynchronous operation, which models the failure probability of each terminal. The focus of this work is on the affine update model, which is applicable to a wide range of distributed inference algorithms. Applications include estimation of the average, solving linear systems, linear minimum mean square error estimation and spectral clustering, presented in detail in this thesis. Multimodal inference is also investigated, where two or more alternate sources of data are exploited for increased prediction accuracy. In that context, two variations of linear regression are presented, with uniform or Gaussian prior, which are equivalent to iterative affine updates. Furthermore, this work offers an asymptotic analysis for the arithmetic mean of the state vector, across a finite number of experiments, for the discovery of fixed points. It is shown that there are cases where the arithmetic mean behaves differently than the expected mean, and a sufficient condition is provided for convergence of the arithmetic mean to a fixed point. The lack of necessity for this condition is explained and subcases where the arithmetic mean converges, diverges, or has unpredictable behaviour are highlighted. Additionally, cases where the individual iterations never converge but their arithmetic mean does and offers fixed point are offered. Simulations corroborate the theoretical findings for various affine model setups. Finally, implementation details of a distributed low-cost sensor network are presented; the low-cost sensor network estimates the arithmetic mean of temperature across the network, by executing average consensus. The implementation is divided into hardware, network and software layers, and each layer is presented separately.en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2023-04-05-
Ημερομηνία Δημοσίευσης2023-
Θεματική ΚατηγορίαΣυμπερασμόςel
Θεματική ΚατηγορίαInferenceen
Θεματική ΚατηγορίαΔίκτυα αισθητήρωνel
Θεματική ΚατηγορίαSensor networksen
Θεματική ΚατηγορίαΑφινικό μοντέλοel
Θεματική ΚατηγορίαAffine modelen
Θεματική ΚατηγορίαAsynchronyen
Θεματική ΚατηγορίαConvergence regionen
Θεματική ΚατηγορίαAsymptotic propertiesen
Θεματική ΚατηγορίαArithmetic meanen
Θεματική ΚατηγορίαDistributed implementationen
Θεματική Κατηγορίαπεριοχή σύγκλισηςel
Θεματική Κατηγορίααριθμητικός μέσος όροςel
Θεματική Κατηγορίακατανεμημένη υλοποίησηel
Βιβλιογραφική ΑναφοράGeorgios Apostolakis, "Inference techniques in low-cost sensor networks", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2023en
Βιβλιογραφική ΑναφοράΓεώργιος Αποστολάκης, "Τεχνικές συμπερασμού σε δίκτυα αισθητήρων χαμηλού κόστους", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2023el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά