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

• IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
  IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、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する。 IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
  論文  参考訳（メタデータ） (2024-07-13T08:20:37Z)
• Foundations of Multisensory Artificial Intelligence [32.56967614091527]
  この論文は、多感覚AIの機械学習基盤を前進させることを目的としている。 第1部では,タスクに対する新たな情報を生み出すために,モーダルティが相互にどのように相互作用するかを定式化する理論的枠組みを提案する。 第2部では、多くのモダリティやタスクを一般化する実用的なマルチモーダル基礎モデルの設計について検討する。
  論文  参考訳（メタデータ） (2024-04-29T14:45:28Z)
• 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)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• 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)
• Ensemble Learning based Anomaly Detection for IoT Cybersecurity via Bayesian Hyperparameters Sensitivity Analysis [2.3226893628361682]
  IoT(Internet of Things)は、世界中の何十億ものインテリジェントデバイスを統合し、他の接続デバイスと通信する機能を備えている。 IoTによって収集されたデータには、異常検出のための膨大な情報が含まれている。 本稿では,異常検出によるIoTサイバーセキュリティ向上のためのアンサンブル機械学習手法について検討する。
  論文  参考訳（メタデータ） (2023-07-20T05:23:49Z)
• 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)
• 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。