We consider a small extent sensor n

We consider a small extent sensor network for event detection, in which nodes periodically take samples and then contend over a random access network to transmit their measurement packets to the fusion center. We consider two procedures at the fusion center for processing the measurements. The Bayesian setting, is assumed, that is, the fusion center has a prior distribution on the change time. In the first procedure, the decision algorithm at the fusion center is network--oblivious and makes a decision only when a complete vector of measurements taken at a sampling instant is available. In the second procedure, the decision algorithm at the fusion center is network--aware and processes measurements as they arrive, but in a time-causal order. In this case, the decision statistic depends on the network delays, whereas in the network--oblivious case, the decision statistic does not. This yields a Bayesian change-detection problem with a trade-off between the random network delay and the decision delay that is, a higher sampling rate reduces the decision delay but increases the random access delay. Under periodic sampling, in the network--oblivious case, the structure of the optimal stopping rule is the same as that without the network, and the optimal change detection delay decouples into the network delay and the optimal decision delay without the network. In the network--aware case, the optimal stopping problem is analyzed as a partially observable Markov decision process, in which the states of the queues and delays in the network need to be maintained. A sufficient decision statistic is the network state and the posterior probability of change having occurred, given the measurements received and the state of the network. The optimal regimes are studied using simulation.

ผลลัพธ์ (ไทย) 1:

เราพิจารณาเครือข่ายเซ็นเซอร์ขนาดเล็กสำหรับการตรวจหาเหตุการณ์ ซึ่งใช้ตัวอย่างเป็นระยะ ๆ แล้ว แข่งเครือข่ายเข้าถึงแบบสุ่มเพื่อส่งแพคเก็ตการวัดตัวฟิวชั่นโหน เราพิจารณาขั้นตอนที่สองที่ศูนย์อาหารสำหรับการประมวลผลการประเมิน ตั้งทฤษฎี สันนิษฐาน คือ ศูนย์อาหารมีการกระจายก่อนเวลาเปลี่ยน ในขั้นตอนแรก อัลกอริทึมการตัดสินใจที่ผสมผสานเครือข่าย - ลบเลือน และช่วยให้การตัดสินใจเฉพาะเมื่อเวกเตอร์ทั้งหมดวัดสุ่มตัวอย่างแบบทันที ในขั้นตอนสอง อัลกอริทึมการตัดสินใจที่ฟิวชั่นเป็นเครือข่าย - ทราบ และประมวลผลการประเมินมาถึง แต่ ในใบสั่งเวลาสาเหตุ ในกรณีนี้ สถิติตัดสินใจขึ้นอยู่กับความล่าช้าของเครือข่าย ในขณะที่ในเครือข่าย - กรณีลบเลือน สถิติตัดสินใจไม่ นี้ก่อให้เกิดปัญหาตรวจสอบเปลี่ยนแปลงทฤษฎี trade-off ระหว่างความล่าช้าของเครือข่ายสุ่มและเลื่อนการตัดสินใจที่เป็น อัตราการสุ่มสูงช่วยลดความล่าช้าของการตัดสินใจ แต่เพิ่มการหน่วงเวลาการเข้าถึงแบบสุ่ม ภายใต้การสุ่มตัวอย่างเป็นครั้งคราว ในเครือข่าย - กรณีลบเลือน โครงสร้างของกฎการหยุดที่ดีที่สุดไม่เหมือนกับเครือข่าย และ decouples เลื่อนตรวจสอบเปลี่ยนแปลงสูงสุดในระหว่างการตัดสินใจที่ดีที่สุด โดยเครือข่ายและระหว่างเครือข่าย เครือข่าย - กรณีทราบ วิเคราะห์ปัญหาหยุดดีที่สุดเป็นบางส่วน observable Markov ตัดสินกระบวนการ สถานะของคิวและความล่าช้าในเครือข่ายจำเป็นต้องรักษา สถิติกับการตัดสินใจเพียงพอเป็นสถานะเครือข่าย และความน่าเป็นหลังการเปลี่ยนแปลงที่มีเกิดขึ้น กำหนดหน่วยการวัดที่ได้รับ และสถานะของเครือข่าย ระบอบเหมาะสมได้ศึกษาโดยใช้การจำลอง

ผลลัพธ์ (ไทย) 2:

เราพิจารณาเครือข่ายเซ็นเซอร์ขนาดเล็กสำหรับขอบเขตการตรวจสอบเหตุการณ์ที่โหนดระยะใช้ตัวอย่างแล้วยืนยันผ่านเครือข่ายการเข้าถึงแบบสุ่มในการส่งแพ็คเก็ตวัดของพวกเขาไปยังศูนย์ฟิวชั่น เราพิจารณาสองขั้นตอนที่ศูนย์ฟิวชั่นสำหรับการประมวลผลการตรวจวัด การตั้งค่าเบย์เป็นที่สันนิษฐานว่ามีที่ศูนย์ฟิวชั่นมีการกระจายในเวลาก่อนการเปลี่ยนแปลง ในขั้นตอนแรกขั้นตอนวิธีการตัดสินใจที่ศูนย์ฟิวชั่นที่เป็นเครือข่าย - ลืมและทำให้การตัดสินใจเฉพาะเมื่อเวกเตอร์ที่สมบูรณ์ของการวัดการดำเนินการในทันทีตัวอย่างสามารถใช้ได้ ในขั้นตอนที่สองขั้นตอนวิธีการตัดสินใจที่ศูนย์ฟิวชั่นที่เป็นเครือข่าย - ตระหนักและประมวลผลการวัดที่พวกเขามาถึง แต่ในการสั่งซื้อเวลาสาเหตุ ในกรณีนี้สถิติการตัดสินใจขึ้นอยู่กับความล่าช้าของเครือข่ายในขณะที่ในเครือข่าย - กรณีลืมสถิติตัดสินใจไม่ได้ ซึ่งช่วยทำให้ปัญหาการเปลี่ยนแปลงตรวจสอบเบย์ที่มีการออกระหว่างเครือข่ายสุ่มล่าช้าและความล่าช้าในการตัดสินใจที่เป็นอัตราการสุ่มตัวอย่างที่สูงขึ้นจะช่วยลดความล่าช้าในการตัดสินใจ แต่การเพิ่มขึ้นของความล่าช้าในการเข้าถึงแบบสุ่ม ภายใต้การเก็บตัวอย่างเป็นระยะ ๆ ในเครือข่าย - กรณีลืมโครงสร้างของกฎการหยุดที่ดีที่สุดเป็นเช่นเดียวกับที่โดยไม่ต้องเครือข่ายและความล่าช้าการตรวจสอบการเปลี่ยนแปลงที่ดีที่สุด decouples ล่าช้าลงในเครือข่ายและความล่าช้าตัดสินใจที่ดีที่สุดโดยไม่ต้องเครือข่าย ในเครือข่าย - กรณีที่ตระหนักถึงปัญหาการหยุดที่ดีที่สุดคือการวิเคราะห์เป็นกระบวนการตัดสินใจมาร์คอฟที่สังเกตได้บางส่วนซึ่งในสถานะของคิวและความล่าช้าในเครือข่ายจำเป็นต้องได้รับการรักษา สถิติการตัดสินใจที่เพียงพอเป็นรัฐเครือข่ายและน่าจะเป็นหลังของการเปลี่ยนแปลงที่เกิดขึ้นได้รับการตรวจวัดที่ได้รับและสถานะของเครือข่าย ระบอบการปกครองที่ดีที่สุดมีการศึกษาโดยใช้สถานการณ์จำลอง

ผลลัพธ์ (ไทย) 3:

เราพิจารณาขนาดเล็กขนาดเซ็นเซอร์เครือข่ายสำหรับการตรวจจับเหตุการณ์ซึ่งในโหนดเป็นระยะ ๆ เอาตัวอย่างและต่อสู้ผ่านเครือข่ายการเข้าถึงแบบสุ่มเพื่อส่งแพ็กเก็ตการวัดของพวกเขาไปยังศูนย์ฟิวชั่น เราพิจารณาสองขั้นตอนที่ศูนย์ฟิวชั่นสำหรับการประมวลผลการวัด การตั้งค่าแบบเบย์ สันนิษฐานได้ว่า นั่นคือ ศูนย์ฟิวชั่นมีการแจกแจงก่อนในการเปลี่ยนแปลงเวลาในขั้นตอนแรก การตัดสินใจแบบที่ศูนย์ฟิวชั่นเป็นเครือข่าย -- ลบเลือนและทำให้การตัดสินใจเมื่อเวกเตอร์ที่สมบูรณ์ของที่วัดที่สุ่มได้ทันทีพร้อม ในขั้นตอนที่สอง การตัดสินใจแบบที่ศูนย์ฟิวชั่นเป็นเครือข่าย -- ตระหนักถึงกระบวนการวัดและเป็นพวกเขามาถึง แต่ในเวลา สาเหตุที่สั่ง ในกรณีนี้การตัดสินใจสถิติขึ้นอยู่กับความล่าช้าของเครือข่ายในขณะที่ในเครือข่าย -- กรณีลบเลือน การตัดสินใจสถิติไม่ได้ นี้สามารถตรวจจับการเปลี่ยนแปลงแบบปัญหาด้วยการแลกเปลี่ยนระหว่างเครือข่ายแบบหน่วงเวลา และการตัดสินใจล่าช้า นั่นคือ อัตราการสุ่มตัวอย่างสูงขึ้นช่วยลดการตัดสินใจล่าช้าแต่เพิ่มการเข้าถึงแบบสุ่ม ) ภายใต้ระยะเวลาตัวอย่างในเครือข่าย -- ไม่รู้ ถึงกรณี โครงสร้างของการหยุดกฎก็เหมือนกันโดยไม่ต้องเครือข่ายและความล่าช้าในการเปลี่ยนแปลงที่เหมาะสม decouples ล่าช้าและเครือข่ายที่ดีที่สุดการตัดสินใจล่าช้าโดยเครือข่าย ในเครือข่าย -- ทราบกรณีการหยุดปัญหา วิเคราะห์เป็นข้อมูลบางส่วนแบบการตัดสินใจกระบวนการซึ่งในรัฐของคิวและความล่าช้าในเครือข่ายจะต้องถูกเก็บรักษาไว้ สถิติการตัดสินใจเพียงพอคือเครือข่ายรัฐและความน่าจะเป็นของการเปลี่ยนแปลงที่เกิดขึ้น ให้วัดที่ได้รับ และสถานะของเครือข่าย ใต้ที่เหมาะสมจะเรียนโดยใช้สถานการณ์จำลอง