論文の概要: MultiIoT: Towards Large-scale Multisensory Learning for the Internet of
Things
- arxiv url: http://arxiv.org/abs/2311.06217v1
- Date: Fri, 10 Nov 2023 18:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 14:13:34.429897
- Title: MultiIoT: Towards Large-scale Multisensory Learning for the Internet of
Things
- Title(参考訳): MultiIoT:モノのインターネットのための大規模マルチセンサー学習を目指して
- Authors: Shentong Mo, Paul Pu Liang, Russ Salakhutdinov, Louis-Philippe Morency
- Abstract要約: IoT(Internet of Things)エコシステムは、マシンラーニングのための現実世界のモダリティの豊富なソースを提供する。
本稿では,12のモダリティと8タスクから115万以上のサンプルを対象とする,これまでで最も拡張性の高いIoTベンチマークであるMultiIoTを提案する。
- 参考スコア(独自算出の注目度): 77.27980044639136
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Internet of Things (IoT), the network integrating billions of smart
physical devices embedded with sensors, software, and communication
technologies for the purpose of connecting and exchanging data with other
devices and systems, is a critical and rapidly expanding component of our
modern world. The IoT ecosystem provides a rich source of real-world modalities
such as motion, thermal, geolocation, imaging, depth, sensors, video, and audio
for prediction tasks involving the pose, gaze, activities, and gestures of
humans as well as the touch, contact, pose, 3D of physical objects. Machine
learning presents a rich opportunity to automatically process IoT data at
scale, enabling efficient inference for impact in understanding human
wellbeing, controlling physical devices, and interconnecting smart cities. To
develop machine learning technologies for IoT, this paper proposes MultiIoT,
the most expansive IoT benchmark to date, encompassing over 1.15 million
samples from 12 modalities and 8 tasks. MultiIoT introduces unique challenges
involving (1) learning from many sensory modalities, (2) fine-grained
interactions across long temporal ranges, and (3) extreme heterogeneity due to
unique structure and noise topologies in real-world sensors. We also release a
set of strong modeling baselines, spanning modality and task-specific methods
to multisensory and multitask models to encourage future research in
multisensory representation learning for IoT.
- Abstract(参考訳): IoT(Internet of Things)は、センサー、ソフトウェア、通信技術に埋め込まれた何十億ものスマート物理デバイスを統合するネットワークで、他のデバイスやシステムとデータを接続し交換することを目的としています。
IoTエコシステムは、人間のポーズ、視線、活動、ジェスチャー、タッチ、コンタクト、ポーズ、物理オブジェクトの3Dを含む予測タスクのために、モーション、熱、ジオロケーション、イメージング、ディープ、センサー、ビデオ、オーディオなどの現実世界のモダリティの豊富なソースを提供する。
機械学習は、iotデータを大規模に自動的に処理する豊富な機会を提供し、人間の健康状態の理解、物理機器の制御、スマートシティの相互接続における影響の効率的な推論を可能にする。
本稿は、IoTのための機械学習技術を開発するために、12のモダリティと8タスクから115万以上のサンプルを含む、これまでで最も拡張性の高いIoTベンチマークであるMulti IoTを提案する。
マルチオットは,(1)多数の感覚モダリティから学習すること,(2)長い時間範囲にわたるきめ細かな相互作用,(3)現実世界のセンサにおける特異な構造とノイズトポロジによる極度の異質性など,独特の課題を提起する。
我々はまた、IoTのためのマルチセンサー表現学習における将来の研究を促進するために、多感覚モデルとマルチタスクモデルにモダリティとタスク固有のメソッドをまたいだ、強力なモデリングベースラインのセットもリリースした。
関連論文リスト
- 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) - Multi-Tier Hierarchical Federated Learning-assisted NTN for Intelligent
IoT Services [24.10349383347469]
本研究では,分散型協調学習環境の育成におけるMT-HFLの役割について考察する。
これにより、IoTデバイスがコントリビューションだけでなく、ネットワーク管理において情報的な決定を行うことが可能になる。
このセットアップにより、効率的なデータ処理、高度なプライバシとセキュリティ対策、および変動するネットワーク条件への応答が保証される。
論文 参考訳(メタデータ) (2023-05-09T14:03:22Z) - 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) - Graph Neural Networks in IoT: A Survey [9.257834364029547]
IoT(Internet of Things)ブームは、人々の日常生活のほぼすべての部分に革命をもたらした。
ディープラーニングモデルは、IoTタスクの解決に広く採用されている。
グラフニューラルネットワーク(GNN)は、多くのIoT学習タスクで最先端の結果を達成するために実証されている。
論文 参考訳(メタデータ) (2022-03-29T22:27:59Z) - 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) - 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) - Heterogeneous Noisy Short Signal Camouflage in Multi-Domain Environment
Decision-Making [0.0]
画像や音声信号に変換することで,情報(センサ信号)を隠蔽する手法を提案する。
軍事近代化に向けた最新の試みの1つとして、インテリジェントな識別・検出操作を実現する上での課題について検討する。
論文 参考訳(メタデータ) (2021-06-02T22:59:58Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation [75.0278287071591]
ThreeDWorld (TDW) はインタラクティブなマルチモーダル物理シミュレーションのためのプラットフォームである。
TDWは、リッチな3D環境において、高忠実な感覚データのシミュレーションと、移動体エージェントとオブジェクト間の物理的相互作用を可能にする。
我々は、コンピュータビジョン、機械学習、認知科学における新たな研究方向において、TDWによって実現された初期実験を提示する。
論文 参考訳(メタデータ) (2020-07-09T17:33:27Z) - 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。