In many applications continuous agg

In many applications continuous aggregation of sensed data is usually required. The existing aggregation schemes usually compute every aggregation result in a continuous aggregation either by a complete aggregation procedure or by partial data update at each epoch. To further reduce the energy cost, we propose a sampling-based approach with time window based linear regression for approximate continuous aggregation. We analyze the approximation error of the aggregation results and discuss the determinations of parameters in our approach. Simulation results verify the effectiveness of our approach.

ผลลัพธ์ (ไทย) 1:

ในโปรแกรมประยุกต์จำนวนมาก รวมอย่างต่อเนื่องของเหตุการณ์ข้อมูลมักจะจำเป็น แผนงานการรวมที่มีอยู่มักจะคำนวณผลรวมทุกตัวรวมอย่างต่อเนื่อง ตามขั้นตอนรวมทั้งหมดหรือข้อมูลบางส่วนที่ปรับปรุงในแต่ละยุค การลดต้นทุนพลังงาน เราเสนอวิธีการสุ่มตัวอย่างใช้กับหน้าต่างเวลาใช้ถดถอยเชิงเส้นสำหรับการรวมอย่างต่อเนื่องโดยประมาณ เราวิเคราะห์การคลาดเคลื่อนของผลรวม และหารือ determinations พารามิเตอร์ในวิธีการของเรา ผลการทดลองตรวจสอบประสิทธิภาพของวิธีการของเรา

ผลลัพธ์ (ไทย) 2:

ในการใช้งานจำนวนมากรวมตัวต่อเนื่องของข้อมูลมักจะรู้สึกว่าจำเป็นต้องมี รูปแบบการรวมตัวที่มีอยู่มักจะคำนวณผลรวมทุกอย่างต่อเนื่องรวมทั้งโดยขั้นตอนการรวมตัวที่สมบูรณ์หรือโดยการปรับปรุงข้อมูลบางส่วนในแต่ละยุค เพื่อลดค่าใช้จ่ายพลังงานที่เราเสนอวิธีการสุ่มตัวอย่างตามที่มีการถดถอยเชิงเส้นหน้าต่างเวลาที่ใช้สำหรับการรวมอย่างต่อเนื่องโดยประมาณ เราวิเคราะห์ข้อผิดพลาดประมาณของผลรวมและหารือเกี่ยวกับการหาความของพารามิเตอร์ในแนวทางของเรา ผลการจำลองการตรวจสอบประสิทธิภาพของวิธีการของเรา

ผลลัพธ์ (ไทย) 3:

ในด้านต่างๆ อย่างต่อเนื่อง การรวมของข้อมูลการสำรวจมักจะต้อง รวมทุกโครงการที่มีอยู่มักจะคำนวณรวมเป็นผลในการต่อเนื่อง โดยขั้นตอนการรวมที่สมบูรณ์หรือบางส่วนปรับปรุงข้อมูลในแต่ละยุคสมัย เพื่อลดต้นทุนพลังงานเรานำเสนอตัวอย่างวิธีการที่ใช้กับหน้าต่างเวลาตามเส้นถดถอยต่อเนื่องรวมประมาณ เราวิเคราะห์ความคลาดเคลื่อนของการประมาณการอภิปรายรวมทั้งพารามิเตอร์ในแนวทางของเรา ผลตรวจสอบประสิทธิภาพของวิธีการของเรา