要旨: 工業用IoTにおけるマルチチャネル・センサネットワークは、利用可能な帯域幅をしばしば超えます。私たちは、帯域幅予算のもとで、増分PCAのローディングを比例したチャネルごとのサンプリング率へ変換するストリーミングアルゴリズムであるPCA-Triageを提案します。PCA-Triageは計算時間O(wdk)で、学習可能パラメータを0（1回の判断あたり0.67 ms）で実行されます。
7つのベンチマーク（8〜82チャネル）に対して、9つのベースラインと比較評価します。PCA-Triageは、6つのデータセットのうち3つにおいて帯域50%で最良の教師なし手法であり、大きな効果量（r = 0.71〜0.91）を伴って、すべてのベースラインに対して6つ中5つで勝利します。TEPでは、F1 = 0.961 +/- 0.001 を達成し、全データ性能に対して0.1%以内に収まる一方で、予算30%でもF1 > 0.90を維持します。ターゲット拡張により、F1は0.970まで向上します。このアルゴリズムは、パケット損失およびセンサノイズに対して頑健です（最悪ケースを組み合わせた場合の劣化は3.7〜4.8%）。
エッジAI推論のためのPCA駆動アダプティブ・センサートリアージ
arXiv cs.LG / 2026/4/8
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 提案手法「PCA-Triage」は、エッジAI推論の前段となるマルチチャネルセンサーのトリアージを、PCAの増分ロードを使って帯域制約下で各チャネルのサンプリング率に自動変換するストリーミングアルゴリズムです。
- PCA-Triageは学習可能パラメータを持たず、O(wdk)時間で1回の意思決定あたり0.67msと低遅延を特徴としています。
- 7つのベンチマーク（8〜82チャネル）と9つのベースライン比較で、帯域50%条件のもとで未教師手法として複数データセットで最良となり、さらに複数条件で毎回ベースラインに勝つ結果（効果量 r=0.71〜0.91）を報告しています。
- TEPでは30%帯域でもF1>0.90を維持し、フルデータ性能に非常に近いF1=0.961±0.001を示しつつ、パケットロスやセンサノイズにも頑健である（悪化3.7〜4.8%）としています。
