10.3969/j.issn.1006-9348.2023.09.080
基于多任务深度学习的WSN级联故障识别研究
为了解决传统无线传感器网络级联故障识别方法存在的正确率较低、耗时较多等问题,提出了一种基于多任务深度学习的无线传感器网络级联故障识别新方法.它不仅能计算无线传感器网络节点负载和采用负载重分发策略调整节点负载,还可根据节点负载调整结果并利用指数型关系函数优化的流量调整方法使调整参数达到最优情况下构建无线传感器网络负载模型.另外,文中还建立了一种多任务深度学习新模型,采用了联合训练方式对模型进行训练并利用批归一化的手段来优化模型,将无线传感器网络负载数据输入到优化后的模型中从而得到无线传感器网络级联故障识别结果.实验结果表明,设计的新方法识别正确率为 90.2%,识别时间消耗平均值为0.73s,能够实现无线传感器网络级联故障精准快速识别.
多任务深度学习、无线传感器网络、级联故障、故障识别、负载模型、指数型关系函数
40
TP391.9(计算技术、计算机技术)
苏州市科技局社会发展关键技术应用项目ss202034
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
420-425