24、智能网关网络上的分布式机器学习：室内定位与网络入侵检测

智能网关网络上的分布式机器学习：室内定位与网络入侵检测

1. 分布式神经网络室内定位

1.1 网关机器学习算法

• 单隐藏层神经网络
  • 受极限学习机和压缩感知的启发，提出了一种具有两个子系统的神经网络。与以往工作不同，输入权重连接到每个隐藏节点，且独立于训练数据随机生成，因此仅需从训练过程中计算输出权重。
  • 设存在 $N$ 个任意不同的训练样本 $X \in R^{N×n}$ 和 $T \in R^{N×m}$，其中 $X$ 是代表每个网关缩放后 RSSI 值的训练数据，$T$ 是指示其位置的训练标签。隐藏神经节点与输入训练数据的关系为：
    [
    preH = XA + B, H = \frac{1}{1 + e^{-preH}}
    ]
  • 单隐藏层神经网络的学习算法如下：

Algorithm 2: Learning Algorithm for Single Layer Network
Input : Training Set (xi, ti), xi ∈ Rn, ti ∈ Rm, i = 1, ...N, activation function H(aij, bij, xi),
maximum number of hidden neural node Lmax and accepted training error 𝜖.
Output: Neural-network output weight 𝜷
1 Rando