LSML-SF: un enfoque ligero de ML apilado para la asignación del factor de propagación en redes LoRaWAN móviles de IoT

Área de la Ciencia:

• Redes de comunicación inalámbrica
• Aplicaciones de aprendizaje automático
• Internet de las Cosas (IoT)

Sus antecedentes:

• La expansión del Internet de las Cosas (IoT) de consumo requiere protocolos de comunicación eficientes como LoRaWAN.
• Los mecanismos tradicionales de Tasa de Datos Adaptativa (ADR) tienen dificultades en entornos dinámicos, lo que afecta el rendimiento de LoRaWAN.
• La asignación óptima del factor de propagación (SF) es crucial para la eficiencia de LoRaWAN.

Objetivo del estudio:

• Desarrollar un novedoso enfoque ligero de aprendizaje automático apilado (LSML-SF) para la asignación de SF en redes LoRaWAN móviles de IoT.
• Abordar las limitaciones de los mecanismos ADR tradicionales en entornos dinámicos.
• Mejorar la relación de éxito de paquetes y reducir el consumo de energía en dispositivos IoT.

Principales métodos:

• Un modelo de conjunto apilado (LSML-SF) que combina descenso de gradiente estocástico lineal, gradient boosting y una red neuronal profunda (DNN) con un meta-aprendiz de regresión logística.
• Entrenamiento del modelo LSML-SF en un gran conjunto de datos de 225,109 muestras de simulaciones ns-3.
• Evaluación de la viabilidad computacional con análisis de parámetros DNN y operaciones MAC por inferencia.

Principales resultados:

• El modelo LSML-SF logró una precisión de validación cruzada fuera de la muestra del 85%.
• El componente DNN demostró eficiencia computacional con 12,602 parámetros y 12.3k operaciones MAC por inferencia.
• LSML-SF superó significativamente al ADR tradicional y a los enfoques de ML existentes en simulaciones ns-3.

Conclusiones:

• El enfoque propuesto LSML-SF ofrece una solución práctica y eficiente para la asignación de SF en LoRaWAN móviles de IoT.
• LSML-SF mejora las métricas clave de rendimiento, incluida la relación de éxito de paquetes y la eficiencia energética.
• Este avance extiende la vida útil operativa de los dispositivos IoT de consumo al optimizar los protocolos de comunicación.