Mehdi Essoloh

Learn More
—Over the past few years, wireless sensor networks received tremendous attention for monitoring physical phenomena, such as the temperature field in a given region. Applying conventional kernel regression methods for functional learning such as support vector machines is inappropriate for sensor networks, since the order of the resulting model and its(More)
In this paper, we propose a distributed learning strategy in wireless sensor networks. Taking advantage of recent developments on kernel-based machine learning, we consider a new sparsification criterion for online learning. As opposed to previously derived criteria, it is based on the estimated error and is therefore is well suited for tracking the(More)
In this paper, we introduce a distributed strategy for local-ization in a connected wireless sensor network composed of limited range sensors. Our distributed algorithm is computed through the network and provides sensor position estimation from local connectivity measurements. This work takes advantage of a conditionally and locally convex criterion that(More)
In this paper, we propose a new approach to sensor local-ization problems, based on recent developments in machine leaning. The main idea behind it is to consider a matrix regression method between the ranging matrix and the matrix of inner products between positions of sensors, in order to complete the latter. Once we have learnt this regression from(More)
In this paper, we introduce a distributed strategy for lo-calization in a wireless sensor network composed of limited range sensors. The proposed distributed algorithm provides sensor position estimation from local similarity measurements. Incremental Kernel Principal Component Analysis techniques are used to build the non-linear manifold linking anchor(More)
– Cet article présente une stratégie distribuée de localisation de capteurs sans fil de portée limitée constituant un réseau connexe. L'estimation des positions est seulement réaliséè a partir de mesures locales de connectivité. Cetté etude se démarque des précédentes par l'emploi d'un critère quadratique pénalisé que l'on optimise demanì ere itérative,(More)
– En l'absence d'information sur la position des noeuds d'un réseau de capteurs sans fil, au sein de l'environnement où ils sont déployés, les données récoltées peuvent s'avérer d'une utilité limitée. Le problème traité concerne l'auto-localisation de chacun de ces noeuds à partir de mesures de portée inter-capteurs telles que les RSSI, et de quelques(More)
– Cet article présente plusieurs stratégies d'apprentissage en ligne d'une fonctionnelle non-linéaire dans un réseau de capteurs sans fil. Le problème d'apprentissage est défini dans le cadre des espaces de Hilbert à noyau reproduisant. L'estimation de la fonctionnelle y est pratiquée de manière distribuée sur la base des mesures locales collectées en(More)
  • 1