論文の概要: An Adaptable IoT Rule Engine Framework for Dataflow Monitoring and Control Strategies

• arxiv url: http://arxiv.org/abs/2310.05493v2
• Date: Tue, 10 Oct 2023 01:42:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 04:16:18.976645
• Title: An Adaptable IoT Rule Engine Framework for Dataflow Monitoring and Control Strategies
• Title（参考訳）: データフローモニタリングと制御戦略のための適応型IoTルールエンジンフレームワーク
• Authors: Ken Chen
• Abstract要約: 本稿では,モノのインターネット(IoT)のためのルールエンジンフレームワークを提案する。 フレームワークは簡単で、デバイスの監視と制御のためのルールを定式化することができる。 この理論手法を検証するためにプロトタイプシステムフレームワークが実装された。
• 参考スコア（独自算出の注目度）: 5.81327683130988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The monitoring of data generated by a large number of devices in Internet of Things (IoT) systems is an important and complex issue. Several studies have explored the use of generic rule engine, primarily based on the RETE algorithm, for monitoring the flow of device data. In order to solve the performance problem of the RETE algorithm in IoT scenarios, some studies have also proposed improved RETE algorithms. However, implementing modifications to the general rule engine remains challenges in practical applications. The Thingsboard open-source platform introduces an IoT-specific rule engine that does not rely on the RETE algorithm. Its interactive mode attracted attention from developers and researchers. However, the close integration between its rule module and the platform, as well as the difficulty in formulating rules for multiple devices, limits its flexibility. This paper presents an adaptable and user-friendly rule engine framework for monitoring and control IoT device data flows. The framework is easily extensible and allows for the formulation of rules contain multiple devices. We designed a Domain-Specific Language (DSL) for rule description. A prototype system of this framework was implemented to verify the validity of theoretical method. The framework has potential to be adaptable to a wide range of IoT scenarios and is especially effective in where real-time control demands are not as strict.
• Abstract（参考訳）: IoT(Internet of Things)システム内の多数のデバイスによって生成されたデータの監視は、重要かつ複雑な問題である。 いくつかの研究は、主にRETEアルゴリズムに基づいて、デバイスデータのフローを監視する汎用ルールエンジンの使用について調査している。 IoTシナリオにおけるRETEアルゴリズムの性能問題を解決するために、改善されたRETEアルゴリズムも提案されている。 しかし、一般的なルールエンジンの変更を実装することは実用上の課題である。 Thingsboardオープンソースプラットフォームでは、RETEアルゴリズムに依存しないIoT固有のルールエンジンが導入されている。 インタラクティブモードは開発者や研究者の注目を集めた。 しかし、ルールモジュールとプラットフォーム間の密接な統合と、複数のデバイスでルールを定式化することの難しさは、柔軟性を制限している。 本稿では,IoTデバイスデータフローの監視と制御を行うための,適応的でユーザフレンドリなルールエンジンフレームワークを提案する。 このフレームワークは容易に拡張可能であり、複数のデバイスを含むルールを定式化することができる。 ルール記述のためのドメイン特化言語(DSL)を設計しました。 この枠組みの試作システムは理論的手法の有効性を検証するために実装された。 このフレームワークは、幅広いIoTシナリオに適用可能な可能性があり、特にリアルタイム制御要求が厳格でない場合に有効である。

関連論文リスト

• Empowering IoT Applications with Flexible, Energy-Efficient Remote Management of Low-Power Edge Devices [0.0]
  本稿では,低消費電力エッジデバイスにおける個々のマイクロサービスのきめ細かいモニタリングと管理のための新しいアプローチを提案する。 提案手法は,モジュール化技術を活用することにより,IoTエッジデバイスの運用上の柔軟性を実現する。
  論文  参考訳（メタデータ） (2024-04-26T10:04:22Z)
• Reconfigurable Edge Hardware for Intelligent IDS: Systematic Approach [0.0]
  侵入検知システム(IDS)は、ネットワークセキュリティを強制するための重要なセキュリティ対策である。 本稿では,エッジデバイスの具体的な要件に対処しつつ,インテリジェントIDS(I-IDS)の概念を分析する。 再構成可能なエッジハードウェア上でI-IDSを構築するための体系的なアプローチを導入する。
  論文  参考訳（メタデータ） (2024-04-13T17:24:18Z)
• 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)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• 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)
• Class-Incremental Learning for Wireless Device Identification in IoT [16.3730669259576]
  ディープラーニング(DL)はIoT(Internet of Things)で広く利用されています。 IoTにおけるDLの典型的な応用の1つは、無線信号、すなわち非暗号デバイス識別(NDI)からのデバイス識別である。 さまざまなILアルゴリズムが提案されており、その多くは履歴データの量を増やすために専用のスペースを必要とするため、IoTやモバイルアプリケーションには適していません。 本研究では,デバイス指紋を異なる学習段階に自動的に分離し,潜在的な競合を回避するための,履歴データを使わずに新たなチャネル分離可能インクリメンタルラーニング(CSIL)方式を提案する。
  論文  参考訳（メタデータ） (2021-05-08T09:11:07Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• Wireless Communications for Collaborative Federated Learning [160.82696473996566]
  IoT(Internet of Things)デバイスは、収集したデータを中央のコントローラに送信することができず、機械学習モデルをトレーニングすることができる。 GoogleのセミナルFLアルゴリズムでは、すべてのデバイスを中央コントローラに直接接続する必要がある。 本稿では,コラボレーティブFL(CFL)と呼ばれる新しいFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-03T20:00:02Z)
• LIMITS: Lightweight Machine Learning for IoT Systems with Resource Limitations [8.647853543335662]
  我々は、IoTシステムのための新しいオープンソースのフレームワークLIghtweight Machine Learning(LIMITS)を紹介する。 LIMITSは、ターゲットIoTプラットフォームの実際のコンパイルツールチェーンを明示的に考慮した、プラットフォーム・イン・ザ・ループのアプローチを適用している。 LIMITSを携帯電話データレート予測と無線車種分類に応用し,その妥当性を検証した。
  論文  参考訳（メタデータ） (2020-01-28T06:34:35Z)

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。