センサーネットワーク内深層学習MicroDeepの実装と評価

抄録

マイコンの高機能化 ・ 省電力化およびセンサーの小型化にともない,各センサーが一定のデータ処理能力と通信能力を備え,センシングデータを無線でリアルタイム集約する無線センサーネットワーク (Wireless Sensor Network, WSN) の現実性が高まりつつある.しかし,WSN においては,現場に設置される WSN からの継続的なセンシングデータを集約するための回線保持の必要性やクラウドにデータを集約することによるプライバシーの懸念などの課題がある.これに対し,我々の研究グループでは,従来クラウドで行っていたデータ学習や異常検出,判定などのタスク処理をセンサーネットワークのデータ処理機能にオフロードし,センサーネットワーク内 (網内) でそれらを効率よく行うための自律的な知能センサーネットワークの新しい分散実行アーキテクチャを提案し,畳込みニューラルネットワーク (CNN) を網内実行するためのプロトコル設計を行ってきている.本論文ではその分散実行プロトコルを Intel Edison からなるセンサーネットワーク上に実装し,実行負荷ならびに通信容量に関する評価を行ったため,それについて報告する.歩行者の通常行動ならびに異常行動 (転倒) に対しアナログ人感センサーアレイにより生成されるデータを用いて網内学習を実施した結果,Edison は最大でもアイドル時 (0.046Ah) の 2 倍未満の電流量 (0.080Ah) で動作した.また,学習時の通信による消費電力への影響は微量であることを確認した.

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1050574047123175680
  • NII論文ID
    170000178957
  • Web Site
    http://id.nii.ac.jp/1001/00193485/
  • 本文言語コード
    ja
  • 資料種別
    conference paper
  • データソース種別
    • IRDB
    • CiNii Articles

問題の指摘

ページトップへ