Fugu-MT 論文翻訳(概要): A Conflict Detection Framework for IoT Services in Multi-resident Smart Homes

論文の概要: A Conflict Detection Framework for IoT Services in Multi-resident Smart Homes

arxiv url: http://arxiv.org/abs/2004.12702v1
Date: Mon, 27 Apr 2020 10:50:52 GMT
ステータス: 処理完了
システム内更新日: 2023-05-22 00:21:50.865881
Title: A Conflict Detection Framework for IoT Services in Multi-resident Smart Homes
Title（参考訳）: マルチレジデントスマートホームにおけるIoTサービスのための競合検出フレームワーク
Authors: Dipankar Chaki, Athman Bouguettaya and Sajib Mistry
Abstract要約: マルチレジデントスマートホームにおけるIoTサービス間の競合を検出する新しいフレームワークを提案する。我々は、正式に異なる種類の対立を表す矛盾オントロジーを設計する。知識駆動型アプローチとデータ駆動型アプローチを組み合わせたハイブリッドコンフリクト検出アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.483420384410068
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel framework to detect conflicts among IoT services in a multi-resident smart home. A novel IoT conflict model is proposed considering the functional and non-functional properties of IoT services. We design a conflict ontology that formally represents different types of conflicts. A hybrid conflict detection algorithm is proposed by combining both knowledge-driven and data-driven approaches. Experimental results on real-world datasets show the efficiency of the proposed approach.
Abstract（参考訳）: マルチレジデントスマートホームにおけるIoTサービス間の競合を検出する新しいフレームワークを提案する。 IoTサービスの機能的および非機能的性質を考慮した,新たなIoTコンフリクトモデルが提案されている。我々は、正式に異なる種類の対立を表す矛盾オントロジーを設計する。知識駆動型アプローチとデータ駆動型アプローチを組み合わせたハイブリッド競合検出アルゴリズムを提案する。実世界のデータセットにおける実験結果は,提案手法の有効性を示す。

関連論文リスト

Binary Code Similarity Detection via Graph Contrastive Learning on Intermediate Representations [52.34030226129628]
バイナリコード類似度検出(BCSD)は、脆弱性検出、マルウェア分析、コードの再利用識別など、多くの分野で重要な役割を果たしている。本稿では,LLVM-IRと高レベルのセマンティック抽象化を利用して,コンパイル差を緩和するIRBinDiffを提案する。 IRBinDiffは1対1の比較と1対多の検索シナリオにおいて,他の主要なBCSD手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-24T09:09:20Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-11-27T18:57:42Z)
Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-07-25T14:20:52Z)
PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person Search [56.02761592710612]
モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-10-07T10:04:12Z)
Dynamic Conflict Resolution of IoT Services in Smart Homes [0.571097144710995]
マルチレジデントスマートホームにおけるIoTサービスのための新しいコンフリクト解決フレームワークを提案する。提案手法は,時間的近接戦略に基づく選好抽出モデルを用いている。行列因数分解に基づく手法を用いて選好集約モデルを設計する。
論文参考訳（メタデータ） (2021-10-13T23:57:35Z)
Conflict Detection in IoT-based Smart Homes [1.3320917259299654]
スマートホームにおける居住者とIoTサービス間のインタラクションの間に、衝突が発生する可能性がある。本稿では,IoTサービスと環境エンティティの関係を表す汎用知識グラフを提案する。プロファイルされた知識グラフを用いて潜在的な競合を検出するために競合検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-07-28T06:09:02Z)
Adaptive Priority-based Conflict Resolution of IoT Services [0.571097144710995]
マルチレジデントスマートホームにおけるIoTサービスのための新しいコンフリクト解決フレームワークを提案する。住民の文脈的要因を考慮した適応的優先順位モデルを開発した。提案手法の有効性を示すために,実世界のデータセットに関する一連の実験を行った。
論文参考訳（メタデータ） (2021-07-18T02:41:26Z)
Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文参考訳（メタデータ） (2021-03-26T02:42:33Z)
Fine-grained Conflict Detection of IoT Services [0.571097144710995]
マルチレジデントスマートホームにおけるIoTサービス間の競合を検出する新しいフレームワークを提案する。 IoTサービスの機能的および非機能的特性を考慮した、きめ細かい競合モデルが提案されている。我々は時間的近接に基づく新しいアルゴリズムを用いて競合を検出する。
論文参考訳（メタデータ） (2020-07-23T11:15:57Z)
Resolving Head-On Conflicts for Multi-Agent Path Finding with Conflict-Based Search [0.0]
競合ベースの検索(CBS)は、マルチエージェントパス探索問題を解決するための一般的なフレームワークである。本稿では,新たな手法,すなわち,このような矛盾を見出すヘッドオン技術を紹介する。実験の結果,ヘッドオン技術は最先端のMAPFソルバCBSHを改善した。
論文参考訳（メタデータ） (2020-07-07T15:52:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。