論文の概要: Federated Learning for Industrial Internet of Things in Future Industries

• arxiv url: http://arxiv.org/abs/2105.14659v1
• Date: Mon, 31 May 2021 01:02:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-02 07:08:58.541341
• Title: Federated Learning for Industrial Internet of Things in Future Industries
• Title（参考訳）: 今後の産業におけるモノのインターネットのためのフェデレーションラーニング
• Authors: Dinh C. Nguyen, Ming Ding, Pubudu N. Pathirana, Aruna Seneviratne, Jun Li, Dusit Niyato, H. Vincent Poor
• Abstract要約: 産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。 フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
• 参考スコア（独自算出の注目度）: 106.13524161081355
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Industrial Internet of Things (IIoT) offers promising opportunities to transform the operation of industrial systems and becomes a key enabler for future industries. Recently, artificial intelligence (AI) has been widely utilized for realizing intelligent IIoT applications where AI techniques require centralized data collection and processing. However, this is not always feasible in realistic scenarios due to the high scalability of modern IIoT networks and growing industrial data confidentiality. Federated Learning (FL), as an emerging collaborative AI approach, is particularly attractive for intelligent IIoT networks by coordinating multiple IIoT devices and machines to perform AI training at the network edge while helping protect user privacy. In this article, we provide a detailed overview and discussions of the emerging applications of FL in key IIoT services and applications. A case study is also provided to demonstrate the feasibility of FL in IIoT. Finally, we highlight a range of interesting open research topics that need to be addressed for the full realization of FL-IIoT in industries.
• Abstract（参考訳）: 産業用モノのインターネット(Industrial Internet of Things, IIoT)は,産業システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)は、AI技術が集中的なデータ収集と処理を必要とするインテリジェントIIoTアプリケーションの実現に広く利用されている。 しかし、現代のiiotネットワークのスケーラビリティが高く、産業データの機密性が高まるため、現実的なシナリオでは必ずしも実現できない。 新たなコラボレーティブAIアプローチであるフェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでのAIトレーニングを実行し、ユーザのプライバシ保護を支援することで、インテリジェントなIIoTネットワークにとって特に魅力的なものだ。 本稿では、主要なIIoTサービスおよびアプリケーションにおけるFLの新しい応用の概要と議論について述べる。 IIoTにおけるFLの実現可能性を示すケーススタディも提供された。 最後に、業界におけるFL-IIoTの完全な実現に対処する必要がある、さまざまな興味深いオープンリサーチトピックを強調します。

関連論文リスト

• Towards General Industrial Intelligence: A Survey on IIoT-Enhanced Continual Large Models [25.16997700703974]
  トランスフォーマーベース大規模モデル(LM)は、AIGC(AIGC)における印象的な能力を実証した 本報告では, IIoTによる一般産業情報(GII)へのLMの統合について検討する。
  論文  参考訳（メタデータ） (2024-09-02T12:35:59Z)
• A Survey on Intelligent Internet of Things: Applications, Security, Privacy, and Future Directions [8.657062539499476]
  IoT(Internet of Things)の急速な進歩は、コミュニケーション技術の革命を促進し、さまざまなカスタマーサービスを提供している。 人工知能(AI)技術は、IoT操作の促進と、現代的なアプリケーションシナリオにおけるその可能性の最大化に活用されている。 IoTとAIの収束により、Intelligent IoT(IIoT)と呼ばれる新しいネットワークパラダイムが生まれました。
  論文  参考訳（メタデータ） (2024-06-06T07:55:30Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Give and Take: Federated Transfer Learning for Industrial IoT Network Intrusion Detection [3.7498611358320733]
  IIoTネットワーク侵入検出のためのフェデレートトランスファーラーニング(FTL)手法を提案する。 本研究の一環として,FTLの実行の中心となる組み合わせ型ニューラルネットワークを提案する。 結果は、IIoTクライアントとサーバの両方のイテレーション間のFTLセットアップのパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-10-11T10:11:54Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
  本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。 これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
  論文  参考訳（メタデータ） (2022-07-10T18:51:12Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
  モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。 大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。 まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。 次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
  論文  参考訳（メタデータ） (2021-03-10T20:10:53Z)
• Fusion of Federated Learning and Industrial Internet of Things: A Survey [4.810675235074399]
  産業モノのインターネット(IIoT)は産業4.0の概念のための新しいパラダイムを構築し、新しい産業時代のための洞察を与えます。 スマートマシンとスマートファクトリは、インテリジェンス獲得に機械学習/ディープラーニングベースのモデルを使用する。 この問題を解決するために、フェデレーションラーニング(FL)技術がIIoTに実装され、研究者は安全、正確、堅牢、および偏見のないモデルを提供しています。
  論文  参考訳（メタデータ） (2021-01-04T06:28:32Z)
• The value chain of Industrial IoT and its reference framework for digitalization [6.482587144852806]
  IoT技術の巨大なイノベーションの可能性は、物理デバイスの製造だけでなく、製造業が実施するすべての活動にも及んでいる。 IIoTがコネクテッドデバイス、Cyber-Physical Systems (CPS)、場所、人々(例えばオペレーター)からデータを取得し、分析することが知られている。 相対的な監視装置とオペレーティング・テクノロジー(OT)のアクチュエータの組み合わせにより、多かれ少なかれ引き起こされる。
  論文  参考訳（メタデータ） (2020-09-28T03:21:30Z)

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。