論文の概要: Towards Smart Sustainable Cities: Addressing semantic heterogeneity in
building management systems using discriminative models
- arxiv url: http://arxiv.org/abs/2008.07414v1
- Date: Mon, 17 Aug 2020 15:39:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 00:58:12.195996
- Title: Towards Smart Sustainable Cities: Addressing semantic heterogeneity in
building management systems using discriminative models
- Title（参考訳）: スマートサステナブルシティを目指して:識別モデルを用いたビル管理システムにおける意味的不均一性に対処する
- Authors: Chidubem Iddianozie, Paulito Palmes
- Abstract要約: ビル管理システム(BMS)は、スマートサステナブルな都市への推進に不可欠である。
本稿では,機械学習モデルを用いてIoTデバイスのセマンティクスを推定する問題に対処する。
本研究は,画像符号化時系列(IETS)が統計的特徴量に基づく推論手法の頑健な代替となる可能性を明らかにする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Building Management Systems (BMS) are crucial in the drive towards smart
sustainable cities. This is due to the fact that they have been effective in
significantly reducing the energy consumption of buildings. A typical BMS is
composed of smart devices that communicate with one another in order to achieve
their purpose. However, the heterogeneity of these devices and their associated
meta-data impede the deployment of solutions that depend on the interactions
among these devices. Nonetheless, automatically inferring the semantics of
these devices using data-driven methods provides an ideal solution to the
problems brought about by this heterogeneity. In this paper, we undertake a
multi-dimensional study to address the problem of inferring the semantics of
IoT devices using machine learning models. Using two datasets with over 67
million data points collected from IoT devices, we developed discriminative
models that produced competitive results. Particularly, our study highlights
the potential of Image Encoded Time Series (IETS) as a robust alternative to
statistical feature-based inference methods. Leveraging just a fraction of the
data required by feature-based methods, our evaluations show that this encoding
competes with and even outperforms traditional methods in many cases.
- Abstract（参考訳）: ビル管理システム(BMS)は、スマートサステナブルな都市への推進に不可欠である。
これは、建物のエネルギー消費を大幅に削減する効果があったためである。
典型的なBMSは、目的を達成するために互いに通信するスマートデバイスで構成されている。
しかしながら、これらのデバイスとその関連メタデータの不均一性は、これらのデバイス間の相互作用に依存するソリューションの配置を妨げる。
それでも、データ駆動方式を使ってこれらのデバイスのセマンティクスを自動的に推論することは、この異種性に起因する問題の理想的な解決策となる。
本稿では,機械学習モデルを用いてIoTデバイスのセマンティクスを推定する問題に対処するための多次元的研究を行う。
IoTデバイスから収集された6700万データポイントを持つ2つのデータセットを使用して、競争結果を生み出す差別モデルを開発した。
特に,画像符号化時系列(IETS)が統計的特徴量に基づく推論手法の頑健な代替となる可能性を強調した。
機能ベースのメソッドが要求するデータのごく一部を活用することで、このエンコーディングが従来のメソッドと競合し、多くのケースで上回っていることを示す。
関連論文リスト
- Efficient Federated Intrusion Detection in 5G ecosystem using optimized BERT-based model [0.7100520098029439]
5Gは高度なサービスを提供し、IoT(Internet of Things)内のインテリジェントトランスポート、コネクテッドヘルスケア、スマートシティなどのアプリケーションをサポートする。
これらの進歩は、ますます高度なサイバー攻撃を伴う、重大なセキュリティ上の課題をもたらす。
本稿では,連合学習と大規模言語モデル(LLM)を用いた頑健な侵入検知システム(IDS)を提案する。
論文 参考訳（メタデータ） (2024-09-28T15:56:28Z) - 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) - Prototype of deployment of Federated Learning with IoT devices [0.0]
要求される大量のリソース、データ、データは、モバイルデバイス、センサー、その他のIoTデバイスに格納される。
同時に、これらのデバイスは優れたモデルをトレーニングするのに十分なデータや計算能力を持っていない。
フェデレートラーニング(FL)は、デバイスが協調的に学習できる革新的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-11-24T10:37:30Z) - Filling the Missing: Exploring Generative AI for Enhanced Federated
Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。
実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
論文 参考訳（メタデータ） (2023-10-21T12:07:04Z) - Ensemble Learning based Anomaly Detection for IoT Cybersecurity via
Bayesian Hyperparameters Sensitivity Analysis [2.3226893628361682]
IoT(Internet of Things)は、世界中の何十億ものインテリジェントデバイスを統合し、他の接続デバイスと通信する機能を備えている。
IoTによって収集されたデータには、異常検出のための膨大な情報が含まれている。
本稿では,異常検出によるIoTサイバーセキュリティ向上のためのアンサンブル機械学習手法について検討する。
論文 参考訳（メタデータ） (2023-07-20T05:23:49Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - Application of federated learning techniques for arrhythmia
classification using 12-lead ECG signals [0.11184789007828977]
この作業では、フェデレートラーニング(FL)プライバシ保護方法論を使用して、高定義のECGの異種集合上でAIモデルをトレーニングする。
CL, IID, 非IIDアプローチを用いて訓練したモデルと比較した。
論文 参考訳（メタデータ） (2022-08-23T14:21:16Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳（メタデータ） (2022-02-07T15:04:15Z) - IoT-based Route Recommendation for an Intelligent Waste Management
System [61.04795047897888]
本研究は, 空間制約を考慮したIoT対応廃棄物管理システムにおいて, 経路推薦のためのインテリジェントなアプローチを提案する。
我々のソリューションは、ビンの状態と座標を考慮に入れた複数レベルの意思決定プロセスに基づいている。
論文 参考訳（メタデータ） (2022-01-01T12:36:22Z) - Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge
Computing: A Contextual-Bandit Approach [81.5261621619557]
階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。
まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。
そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
論文 参考訳（メタデータ） (2021-08-09T08:45:47Z) - A Federated Learning Approach to Anomaly Detection in Smart Buildings [5.177947445379688]
マルチタスク学習パラダイムを活用することにより,連合学習環境における異常検出問題を定式化する。
本稿では,LSTMモデルを用いた新しいプライバシ・バイ・デザイン・フェデレーション学習モデルを提案する。
集中型LSTMに比べてトレーニング収束時の2倍以上の速さであることが実証された。
論文 参考訳（メタデータ） (2020-10-20T14:06:00Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。