論文の概要: CityGPT: Towards Urban IoT Learning, Analysis and Interaction with Multi-Agent System
- arxiv url: http://arxiv.org/abs/2405.14691v1
- Date: Thu, 23 May 2024 15:27:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 14:16:19.472202
- Title: CityGPT: Towards Urban IoT Learning, Analysis and Interaction with Multi-Agent System
- Title（参考訳）: CityGPT: 都市におけるIoT学習,分析,マルチエージェントシステムとのインタラクションを目指す
- Authors: Qinghua Guan, Jinhui Ouyang, Di Wu, Weiren Yu,
- Abstract要約: CityGPTはIoTデータの時間的分析を達成するために3つのエージェントを使用している。
我々は,大規模言語モデル(LLM)によって促進されたフレームワークを認証し,データの理解性を高めた。
実世界のデータを異なる時間で評価した結果、CityGPTフレームワークは、コンピューティングにおける堅牢な性能を保証できることが示されている。
- 参考スコア（独自算出の注目度）: 4.612237040042468
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The spatiotemporal data generated by massive sensors in the Internet of Things (IoT) is extremely dynamic, heterogeneous, large scale and time-dependent. It poses great challenges (e.g. accuracy, reliability, and stability) in real-time analysis and decision making for different IoT applications. The complexity of IoT data prevents the common people from gaining a deeper understanding of it. Agentized systems help address the lack of data insight for the common people. We propose a generic framework, namely CityGPT, to facilitate the learning and analysis of IoT time series with an end-to-end paradigm. CityGPT employs three agents to accomplish the spatiotemporal analysis of IoT data. The requirement agent facilitates user inputs based on natural language. Then, the analysis tasks are decomposed into temporal and spatial analysis processes, completed by corresponding data analysis agents (temporal and spatial agents). Finally, the spatiotemporal fusion agent visualizes the system's analysis results by receiving analysis results from data analysis agents and invoking sub-visualization agents, and can provide corresponding textual descriptions based on user demands. To increase the insight for common people using our framework, we have agnentized the framework, facilitated by a large language model (LLM), to increase the data comprehensibility. Our evaluation results on real-world data with different time dependencies show that the CityGPT framework can guarantee robust performance in IoT computing.
- Abstract（参考訳）: IoT(Internet of Things)の大規模なセンサによって生成された時空間データは、非常にダイナミックで、異質で、大規模で、時間依存である。
リアルタイム分析と異なるIoTアプリケーションの意思決定において、大きな課題(例えば、正確性、信頼性、安定性)を生じます。
IoTデータの複雑さは、一般の人々による理解の深化を妨げる。
エージェントシステムは、一般の人々のためのデータ洞察の欠如に対処するのに役立つ。
エンドツーエンドのパラダイムでIoT時系列の学習と分析を容易にする汎用フレームワークであるCityGPTを提案する。
CityGPTはIoTデータの時空間分析を達成するために3つのエージェントを使用している。
要求エージェントは、自然言語に基づくユーザ入力を容易にする。
そして、解析タスクを時間的・空間的分析プロセスに分解し、対応するデータ分析エージェント(時間的・空間的エージェント)によって完了する。
最後に、時空間融合エージェントは、データ分析エージェントから解析結果を受信し、サブ視覚化エージェントを起動することにより、システムの分析結果を可視化し、ユーザ要求に基づいて対応するテキスト記述を提供する。
我々のフレームワークを利用する一般の人々の洞察を高めるため、我々は、大きな言語モデル(LLM)によって促進されたフレームワークを承認し、データの理解度を高めました。
時間依存の異なる実世界のデータに対する評価結果は,CityGPTフレームワークがIoTコンピューティングにおける堅牢なパフォーマンスを保証できることを示唆している。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Transit Pulse: Utilizing Social Media as a Source for Customer Feedback and Information Extraction with Large Language Model [12.6020349733674]
本稿では,交通関連情報を抽出し,分析するための新しい手法を提案する。
提案手法では,Large Language Models (LLM) ,特にLlama 3を合理化解析に用いている。
以上の結果から,公共交通機関におけるソーシャルメディアデータ分析を変革するLLMの可能性が示された。
論文 参考訳（メタデータ） (2024-10-19T07:08:40Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。
現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。
本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
論文 参考訳（メタデータ） (2023-12-27T10:44:58Z) - Multivariate Time Series characterization and forecasting of VoIP
traffic in real mobile networks [9.637582917616703]
モビリティシナリオにおけるリアルタイムトラフィック(例えばVoIP)の振る舞いを予測することは、オペレーターがネットワークインフラをよりよく計画するのに役立つ。
本研究では,実モバイル環境におけるVoIPトラフィックの重要/QoE記述子の予測分析を提案する。
論文 参考訳（メタデータ） (2023-07-13T09:21:39Z) - Demonstration of InsightPilot: An LLM-Empowered Automated Data
Exploration System [48.62158108517576]
本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。
InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。
簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
論文 参考訳（メタデータ） (2023-04-02T07:27:49Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Federated Stochastic Gradient Descent Begets Self-Induced Momentum [151.4322255230084]
Federated Learning(FL)は、モバイルエッジシステムに適用可能な、新興の機械学習手法である。
このような条件下での勾配降下(SGD)への走行は,大域的な集約プロセスに運動量的な項を加えるとみなすことができる。
論文 参考訳（メタデータ） (2022-02-17T02:01:37Z) - A Visual Analytics Framework for Reviewing Streaming Performance Data [20.61348106852359]
データ管理,分析,インタラクティブな可視化という3つのモジュールからなる視覚分析フレームワークを提案する。
特に、計算コストを制御できるだけでなく、分析結果の重要な側面をよりよく追従するためのオンラインおよびプログレッシブ分析手法を提案する。
論文 参考訳（メタデータ） (2020-01-26T04:34:22Z)
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。