無線センサネットワーク（WSN）において、データ拡張はサンプリング周波数の決定性能を向上させる新しい手法であり、それによってIoT（モノのインターネット）センサのエネルギー最適化を可能にする。しかし、既存手法は単一の生成器に依存し、拡張量を経験的に決定しているため、動的な情報ギャップと複数の生成器との間のマッピングを確立できず、生成サンプルの異質性も考慮されていない。さらに、情報ギャップとモデル性能を同時に考慮した評価および閉ループ手法が欠けている。
これらの問題に対処するため、Mingchun Sunらは情報ギャップ誘導型のIoTセンサ自動データ拡張フレームワーク（IGADA-IoT）を提案した。このフレームワークは、複数ラウンドにわたる階層的なマルチ生成器協調とスケジューリングを採用している。異なる生成器の能力を共同で活用して情報ギャップを縮小する。IGADA-IoTには、生成サンプル割り当ての対象性と合理性を高めるための階層マルチ生成器協調・スケジューリング戦略（HMGCS）が導入されている。また、拡張決定の精度を向上させ、拡張不足と過拡張のリスクを軽減するための情報ギャップ-モデル性能共同評価・閉ループ手法（IGMP-EC）も提案されている。
実験結果によると、IGADA-IoTは複数の下流モデルの平均精度を7.27%向上させる。先進的なデータ拡張手法と比較して平均精度は8.67%向上し、個々の生成器と比較しても平均精度は7.24%向上した。さらに、UCR Archiveの公開IoTセンサデータセットと実環境展開により、提案手法の精度と汎化性が実証されている。
本論文は機械学習（cs.LG）分野に分類され、2026年4月22日に投稿されたarXiv:2605.27397v1である。この研究は、複数の生成器を動的にスケジューリングし、拡張効果を閉ループで評価することで、無線センサネットワークにおけるエネルギー最適化に向けた体系的なデータ拡張アプローチを提供し、限られたエネルギー下でのIoTセンサの長期的な効率運営を促進する可能性がある。