論文の概要: Fostering new Vertical and Horizontal IoT Applications with Intelligence Everywhere

• arxiv url: http://arxiv.org/abs/2310.00346v1
• Date: Sat, 30 Sep 2023 11:59:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 05:00:55.548452
• Title: Fostering new Vertical and Horizontal IoT Applications with Intelligence Everywhere
• Title（参考訳）: インテリジェンスを用いた新しい垂直および水平iotアプリケーションの開発
• Authors: Hung Cao, Monica Wachowicz, Rene Richard, Ching-Hsien Hsu
• Abstract要約: Intelligence Everywhereは、大量のデータストリームを運ぶIoTネットワークのシームレスな統合を前提としている。 本稿では,最先端の研究とインテリジェンス・エビデンス・エビデンス・フレームワークの原理について論じる。 また、水平IoTアプリケーションを開発するための新しい視点も導入している。
• 参考スコア（独自算出の注目度）: 8.208838459484676
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Intelligence Everywhere is predicated on the seamless integration of IoT networks transporting a vast amount of data streams through many computing resources across an edge-to-cloud continuum, relying on the orchestration of distributed machine learning models. The result is an interconnected and collective intelligent ecosystem where devices, systems, services, and users work together to support IoT applications. This paper discusses the state-of-the-art research and the principles of the Intelligence Everywhere framework for enhancing IoT applications in vertical sectors such as Digital Health, Infrastructure, and Transportation/Mobility in the context of intelligent society (Society 5.0). It also introduces a novel perspective for the development of horizontal IoT applications, capable of running across various IoT networks while fostering collective intelligence across diverse sectors. Finally, this paper provides comprehensive insights into the challenges and opportunities for harnessing collective knowledge from real-time insights, leading to optimised processes and better overall collaboration across different IoT sectors.
• Abstract（参考訳）: intelligence everywhereは、分散機械学習モデルのオーケストレーションに依存するエッジ・ツー・クラウド連続体を通じて、大量のデータストリームを多くのコンピューティングリソースに輸送するiotネットワークのシームレスな統合を前提としている。 その結果は、デバイス、システム、サービス、ユーザが協力してIoTアプリケーションをサポートする、相互接続された、集合的なインテリジェントなエコシステムになります。 本稿では、知的社会の文脈における、デジタルヘルス、インフラストラクチャー、トランスポーテーション/モビリティといった垂直分野におけるIoTアプリケーションを強化するための、最先端の研究と、インテリジェンス・エベレスト・フレームワークの原則について論じる(Society 5.0)。 また、さまざまなIoTネットワーク上で動作し、さまざまな分野にわたる集合的インテリジェンスを育むことができる水平IoTアプリケーションを開発するための、新たな視点も導入されている。 最後に、リアルタイムの洞察から集合的知識を活用するための課題と機会に関する総合的な洞察を提供し、最適化されたプロセスにつながり、さまざまなiot分野にわたる全体的なコラボレーションを改善する。

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)
• 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)
• The Internet of Federated Things (IoFT): A Vision for the Future and In-depth Survey of Data-driven Approaches for Federated Learning [12.754922966044687]
  IoT(Internet of Things)は、大きなパラダイムシフトの渦中にあります。 将来IoTシステムであるIoFTでは、クラウドは、モデルのトレーニングをエッジに持ってくる群衆によって置き換えられる。 本稿は、IoFTのビジョンと、このビジョンの実現に向けた現在の取り組みの体系的な概要を提供する。
  論文  参考訳（メタデータ） (2021-11-09T18:52:26Z)
• 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)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)
• Machine Learning Systems in the IoT: Trustworthiness Trade-offs for Edge Intelligence [1.2437226707039446]
  エッジインテリジェンスを提供するために、機械学習システム(MLSys)がIoT(Internet of Things)に登場している。 本稿では、クラウド、エッジ、IoTデバイスにわたるMLのスケーリングと分散に関する最新の開発(2020年まで)を取り上げ、トレードオフを分析します。
  論文  参考訳（メタデータ） (2020-12-01T11:42:34Z)
• Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT Networks [96.24723959137218]
  We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。 フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。 提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
  論文  参考訳（メタデータ） (2020-11-25T12:51:59Z)
• Machine learning and data analytics for the IoT [8.39035688352917]
  機械学習解析におけるIoT生成データの処理方法について概観する。 我々は、IoTアプリケーションが他のIoTアプリケーションから適応的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-30T07:38:31Z)
• Personalized Federated Learning for Intelligent IoT Applications: A Cloud-Edge based Framework [12.199870302894439]
  IoT(Internet of Things)は、現代生活のさまざまな側面に広く浸透している。 この記事では、インテリジェントなIoTアプリケーションのためのクラウドエッジアーキテクチャにおいて、パーソナライズされたフェデレーション付き学習フレームワークを推奨します。
  論文  参考訳（メタデータ） (2020-02-25T05:11:06Z)

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。