基于条件 Gumbel-Softmax 的受限特征选择及其在无线传感器网络中的节点选择应用
原文中文，约400字，阅读约需1分钟。发表于：。用条件 Gumbel-Softmax 作为方法，实现了对给定任务和深度神经网络模型的最佳特征子集的端到端学习，同时遵守特征之间的某些成对约束。我们通过将子集中每个特征的选择条件化为另一个特征来实现这一点。我们演示了如何使用这种方法来选择组成无线传感器网络 (WSN) 的任务最佳节点，同时确保彼此之间需要通信的节点之间的距离不会太大，以限制通信所需的功耗。我们在模拟的无线脑电传感器网络...
该研究使用条件Gumbel-Softmax方法实现了对深度神经网络模型的最佳特征子集的学习，并解决了无线传感器网络节点选择问题。该方法在模拟的无线脑电传感器网络上验证，并与贪婪选择方法进行了比较。该方法可应用于无线传感器网络的节点部署和其他应用中的特征选择。
