Abstract
Las señales obtenidas desde sensores son ampliamente utilizadas en diferentes campos científicos. Sin embargo, no siempre se dispone de los recursos necesarios para obtener dichos datos, debido a limitaciones estructurales, físicas, económicas, ambientales, fallos en la recolección de los datos, etc. Es en este escenario limitante, donde se erige la generación de datos sintéticos. La generación de datos sintéticos tiene la característica de reducir tiempos de espera frente a los largos periodos temporales que necesitan algunos sensores para obtener grandes volúmenes de muestras. Además, los datos generados pueden llegar a ser todo lo robustos que los usuarios necesiten. Por ello este trabajo presenta un sistema de generación de señales sintéticas con carácter pseudo-realista para su uso aplicado a la validación de métodos y diseño de experimentos. El método de la generación de señales propuesto, hace uso de modelos estadísticos y el comportamiento del gradiente de la señal para ir generando nuevos datos. El sistema desarrollado se encuentra disponible públicamente como herramienta web.
Publisher
Universitat Politecnica de Valencia
Subject
General Computer Science,Control and Systems Engineering
Reference34 articles.
1. A. Biru, R. M., Rotondi, D., 2015. Towards a definition of the internet of things (iot). Tech. rep., IEEE Tech. Rep.
2. Alee, N., Ehkan, P., Kamarudin, L. M., Harun, A., aug 2016. Size efficiency for sensor node with embedded processing unit. En: 2016 3rd International Conference on Electronic Design (ICED). IEEE. https://doi.org/10.1109/ICED.2016.7804642
3. Alzantot, M., Chakraborty, S., Srivastava, M., mar 2017. SenseGen: A deep learning architecture for synthetic sensor data generation. En: 2017 IEEE International Conference on Pervasive Computing and Communications Workshops (PerCom Workshops). IEEE. https://doi.org/10.1109/PERCOMW.2017.7917555
4. Anderson, J. W., Kennedy, K. E., Ngo, L. B., Luckow, A., Apon, A. W., oct 2014. Synthetic data generation for the internet of things. En: 2014 IEEE International Conference on Big Data (Big Data). IEEE. https://doi.org/10.1109/BigData.2014.7004228
5. Ayala-Rivera, V., McDonagh, P., Cerqueus, T., Murphy, L., 2013. Synthetic data generation using benerator tool. CoRR abs/1311.3312.
Cited by
3 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献