Algoritmo mejorado de reconstrucción de red de sensores inalámbricos basado en el método de BFGS Quasi-Newton
Autores: Lu, Xinmiao; Yang, Cunfang; Wu, Qiong; Wang, Jiaxu; Wei, Yuhan; Zhang, Liyu; Li, Dongyuan; Zhao, Lanfei
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Algoritmo mejorado de reconstrucción de red de sensores inalámbricos basado en el método de BFGS Quasi-Newton
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Tasa de reconstrucción
Precisión de reconstrucción
Señal dispersa
Redes de sensores inalámbricos
L-BFGS
Método quasi-Newton
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Apuntando a los problemas de baja tasa de reconstrucción y escasa precisión de reconstrucción al reconstruir señales dispersas en redes de sensores inalámbricos, se propone un algoritmo de reconstrucción de señales dispersas basado en el método quasi-Newton Limit-Broyden-Fletcher-Goldfarb-Shanno (L-BFGS). El método quasi-Newton L-BFGS utiliza un algoritmo de recursión de dos bucles para encontrar la dirección de descenso directamente mediante el cálculo de la diferencia de paso entre puntos de iteración adyacentes, y se construye una matriz que aproxima la inversa de la matriz Hessiana. Resuelve las desventajas de BFGS que requieren el cálculo y almacenamiento de, reduce la complejidad del algoritmo y mejora la tasa de reconstrucción. Finalmente, los resultados experimentales muestran que el método quasi-Newton L-BFGS tiene buenos resultados experimentales para resolver el problema de reconstrucción de señales dispersas en redes de sensores inalámbricos.
Descripción
Apuntando a los problemas de baja tasa de reconstrucción y escasa precisión de reconstrucción al reconstruir señales dispersas en redes de sensores inalámbricos, se propone un algoritmo de reconstrucción de señales dispersas basado en el método quasi-Newton Limit-Broyden-Fletcher-Goldfarb-Shanno (L-BFGS). El método quasi-Newton L-BFGS utiliza un algoritmo de recursión de dos bucles para encontrar la dirección de descenso directamente mediante el cálculo de la diferencia de paso entre puntos de iteración adyacentes, y se construye una matriz que aproxima la inversa de la matriz Hessiana. Resuelve las desventajas de BFGS que requieren el cálculo y almacenamiento de, reduce la complejidad del algoritmo y mejora la tasa de reconstrucción. Finalmente, los resultados experimentales muestran que el método quasi-Newton L-BFGS tiene buenos resultados experimentales para resolver el problema de reconstrucción de señales dispersas en redes de sensores inalámbricos.