論文の概要: Gateway Controller with Deep Sensing: Learning to be Autonomic in
Intelligent Internet of Things
- arxiv url: http://arxiv.org/abs/2009.08646v1
- Date: Fri, 18 Sep 2020 06:22:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 03:41:57.369763
- Title: Gateway Controller with Deep Sensing: Learning to be Autonomic in
Intelligent Internet of Things
- Title（参考訳）: ディープセンシングによるゲートウェイコントローラ - インテリジェントなモノのインターネットにおける自律性を学ぶ
- Authors: Rahim Rahmani and Ramin Firouzi
- Abstract要約: モノのインターネットは、ユビキタスセンシングを通じて未来のインターネットに革命をもたらす。
数十億のデバイスをデプロイすると推定される課題の1つは、膨大な量のデータを生み出すことだ。
本稿では,IoTゲートウェイにおける自律的管理,接続性,データ相互運用性に特化して設計された,コントローラソリューションとしてのアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The Internet of Things(IoT) will revolutionize the Future Internet through
ubiquitous sensing. One of the challenges of having the hundreds of billions of
devices that are estimated to be deployed would be rise of an enormous amount
of data, along with the devices ability to manage. This paper presents an
approach as a controller solution and designed specifically for autonomous
management, connectivity and data interoperability in an IoT gateway. The
approach supports distributed IoT nodes with both management and data
interoperability with other cloud-based solutions. The concept further allows
gateways to easily collect and process interoperability of data from IoT
devices. We demonstrated the feasibility of the approach and evaluate its
advantages regarding deep sensing and autonomous enabled gateway as an edge
computational intelligence.
- Abstract（参考訳）: モノのインターネット(IoT)は、ユビキタスセンシングを通じて未来のインターネットに革命をもたらす。
何十億というデバイスがデプロイされると見積もられている場合の課題のひとつは、膨大な量のデータと、デバイスの管理能力の増大だ。
本稿では,IoTゲートウェイにおける自律的管理,接続性,データ相互運用性に特化して設計された,コントローラソリューションとしてのアプローチを提案する。
このアプローチは、他のクラウドベースのソリューションと管理とデータの相互運用の両方で、分散IoTノードをサポートする。
このコンセプトにより、ゲートウェイはIoTデバイスからのデータの相互運用を容易に収集および処理できる。
我々は,このアプローチの実現可能性を示し,エッジコンピューティングインテリジェンスとしての深層センシングと自律型ゲートウェイの利点を評価した。
関連論文リスト
- Integration of Mixture of Experts and Multimodal Generative AI in Internet of Vehicles: A Survey [82.84057882105931]
ジェネレーティブAI(GAI)は、IoT(Internet of Vehicles)におけるインテリジェントモジュールの認知、推論、計画能力を高めることができる。
IoVにおけるGAI, MoE, およびそれらの相互作用応用の基礎を提示する。
我々はIoVにおけるMoEとGAIの統合の可能性について論じ、分散認識とモニタリング、協調的な意思決定と計画、生成モデリングとシミュレーションを含む。
論文 参考訳（メタデータ） (2024-04-25T06:22:21Z) - 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) - A Novel IoT Trust Model Leveraging Fully Distributed Behavioral
Fingerprinting and Secure Delegation [3.10770247120758]
IoT(Internet of Things)ソリューションは、データ収集と処理を容易にするために、急激な需要を実験している。
自律的な方法で提供される新機能やサービスの数が増えるほど、ユーザをデータハッキングや損失に晒す攻撃面が大きくなる。
そこで本稿では, スマートなものの装備に関する非自明な問題に対処し, 隣人を通じて, ネットワーク内のオブジェクトの信頼性を, 対話前に評価する戦略を提示する。
論文 参考訳（メタデータ） (2023-10-02T07:45:49Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳（メタデータ） (2023-09-14T05:43:36Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳（メタデータ） (2022-12-21T03:37:38Z) - 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) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳（メタデータ） (2021-10-28T08:14:57Z) - An Automated Data Engineering Pipeline for Anomaly Detection of IoT
Sensor Data [0.0]
チップ技術、IoT(Internet of Things)、クラウドコンピューティング、人工知能といったシステムが、現在の問題を解決する可能性を高めている。
データ分析と機械学習/ディープラーニングの使用により、基盤となるパターンを学習し、IoTセンサから生成された大量のデータから何を学んだかに基づいて決定することができる。
プロセスにはIoTセンサ、Raspberry Pi、Amazon Web Services(AWS)、スマートホームセキュリティシステムの異常なケースを特定するための複数の機械学習技術の使用が含まれる。
論文 参考訳（メタデータ） (2021-09-28T15:57:29Z) - Federated Learning for Internet of Things: A Federated Learning
Framework for On-device Anomaly Data Detection [10.232121085973782]
我々は、N-BaIoT、FedDetectアルゴリズム、IoTデバイスのシステム設計を使用した合成データセットを含むFedIoTプラットフォームを構築します。
現実的なIoTデバイス(PI)のネットワークにおいて,FedIoTプラットフォームとFedDetectアルゴリズムをモデルおよびシステムパフォーマンスの両方で評価する。
論文 参考訳（メタデータ） (2021-06-15T08:53:42Z) - Pervasive AI for IoT Applications: Resource-efficient Distributed
Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。
これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。
広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文 参考訳（メタデータ） (2021-05-04T23:42:06Z) - Federated Machine Learning for Intelligent IoT via Reconfigurable
Intelligent Surface [35.64178319119883]
我々は,インテリジェントIoTネットワークのための,オーバー・ザ・エアに基づく通信効率の高いフェデレーション機械学習フレームワークを開発した。
モデル集約誤差を低減するために,マルチアクセスチャネルの波形重畳特性を利用する。
論文 参考訳（メタデータ） (2020-04-13T09:48:04Z)
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。