应用于异常事件检测的深度交替方向乘子法网络

来源：电子与信息学报杂志2023年第7期北京时间：

作者：胡世成, 杨柳, 康凯, 钱骅

单位：1.中国科学院上海高等研究院 上海 2012102.上海科技大学信息科学与技术学院 上海 2012103.中国科学院大学 北京 1000494.中国科学院上海微系统与信息技术研究所 上海 200050

摘要：针对大规模无线传感器网络(WSN)中的事件检测问题(EDP)，传统的方法通常依赖先验信息，阻碍了实际应用。该文为 EDP 提出了一种基于深度学习的算法，称为交替方向乘子法网络(ADMM-Net)。首先，采用低秩稀疏矩阵分解来建模事件的时空相关性。之后，EDP 被表述为一个带约束的优化问题并用交替方向乘子法(ADMM)求解。然而，优化算法收敛慢且算法的性能依赖于对先验参数的仔细选择。该文基于深度学习中“展开”的概念，提出了一种用于EDP的深度神经网络ADMM-Net。通过“展开”ADMM算法的方式得到。 ADMM-Net 具有固定层数，其参数可以通过监督学习训练获得。无需先验信息。相比于传统算法，提出的 ADMM-Net 收敛快且不需先验信息。人造数据集和真实数据集的仿真结果验证了ADMM-Net 的有效性。

关键词：事件检测, 无线传感器网络, 时空相关性, 低秩稀疏分解, 深度学习, 交替方向乘子法网络

基金资助：国家自然科学基金(61971286)，国家重点研究发展计划(2020YFB2205603)，上海市科学技术委员会科技创新行动计划(19DZ1204300)