Digitalni repozitorij raziskovalnih organizacij Slovenije

Izpis gradiva
A+ | A- | Pomoč | SLO | ENG

Naslov:A representation learning approach to feature drift detection in wireless networks
Avtorji:ID Tziouvaras, Athanasios (Avtor)
ID Bertalanič, Blaž, Institut "Jožef Stefan" (Avtor)
ID Floros, George (Avtor)
ID Kolomvatsos, Kostas (Avtor)
ID Sarigiannidis, Panagiotis (Avtor)
ID Fortuna, Carolina, Institut "Jožef Stefan" (Avtor)
Datoteke:URL URL - Izvorni URL, za dostop obiščite https://ieeexplore.ieee.org/document/11311434
 
.pdf PDF - Predstavitvena datoteka, prenos (2,84 MB)
MD5: FB8DB764780A1DAE546E61439D5DBA20
 
Jezik:Angleški jezik
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:Logo IJS - Institut Jožef Stefan
Povzetek:Artificial Intelligence (AI) is foreseen to be a centerpiece in next generation wireless networks enabling ubiquitous communication as well as new services. However, in real deployment, feature distribution changes may degrade the performance of Artificial Intelligence (AI) models and lead to undesired behaviors. To counter for undetected model degradation, we propose ALERT; a method that can detect feature distribution changes and trigger model re-training that works well on two wireless network use cases: wireless fingerprinting and link anomaly detection. ALERT includes three components: representation learning, statistical testing and utility assessment. We rely on Multi-layer Perceptron (MLP) for designing the representation learning component, on Kolmogorov-Smirnov (KS) and Population Stability Index (PSI) tests for designing the statistical testing and a new function for utility assessment. We show the superiority of the proposed method against ten standard drift detection methods available in the literature on two wireless network use cases.
Ključne besede:feature druft detection, fingerprinting, link anomaly detection
Verzija publikacije:Recenzirani rokopis
Datum objave:22.12.2025
Založnik:IEEE
Leto izida:2025
Št. strani:str. 1-14
Številčenje:Vol.
Izvor:ZDA
PID:20.500.12556/DiRROS-24986 Novo okno
UDK:004.8
ISSN pri članku:2168-6750
DOI:10.1109/TETC.2025.3644604 Novo okno
COBISS.SI-ID:263579395 Novo okno
Opomba:Nasl. z nasl. zaslona; Soavtorja iz Slovenije: Blaž Bertalanič, Carolina Fortuna; Opis vira z dne 6. 1. 2026;
Datum objave v DiRROS:07.01.2026
Število ogledov:46
Število prenosov:23
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:IEEE transactions on emerging topics in computing
Skrajšan naslov:IEEE trans. emerg. top. comput.
Založnik:Institute of Electrical and Electronics Engineers
ISSN:2168-6750
COBISS.SI-ID:18656278 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0016-2019
Naslov:Komunikacijska omrežja in storitve

Financer:EC - European Commission
Številka projekta:101096456
Naslov:An Artificial Intelligent Aided Unified Network for Secure Beyond 5G Long Term Evolution
Akronim:NANCY

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:22.12.2025
Vezano na:AAM

Nazaj