本文提供关于物联网中数据采集和无线通信的经济分析和定价模型的现状文献综述,其主要关注于无线传感器网络的自适应算法和协议的发展以及在定价策略等领域的应用。
Aug, 2016
本文评估了处理物联网数据挑战的不同机器学习方法,以智能城市为主要案例。该研究的关键贡献是提供一个机器学习算法分类法,阐述如何应用不同技术从数据中提取高层次信息。此外,还讨论了机器学习在物联网数据分析中的潜力和挑战,并介绍了应用支持向量机(SVM)在奥尔胡斯智能城市交通数据上的案例。
Feb, 2018
这篇论文讨论了新兴的物联网架构、大规模传感器网络应用、传感器网络联合、传感器数据和相关上下文获取技术、云计算管理中的挑战、传感器数据的存储、存档和处理。
Jan, 2013
本文介绍了一种分布式、可伸缩的平台架构,可用于有效的实时大数据采集和分析,其中结合智能家电的实时预测维护进行了案例研究,结果表明该平台具有成本效益和本地化优势。
Oct, 2022
本文介绍了在 IoT 领域中使用深度学习技术进行分析和学习的综述,包括 IoT 数据的特征和处理方法,以及深度学习算法及其在 IoT 领域中的应用和挑战,同时讨论了智能 IoT 设备背景下应用深度学习的实现方法,以及在雾计算和云中心的运用。
Dec, 2017
提出了基于区块链的去中心化数据市场,旨在为物联网设备供应商和人工智能 / 机器学习解决方案提供者提供一个透明的数据交换平台,其中通过 Smart Contract 和 Swarm 作为分布式存储平台实现,从而实现对共识数据的民主访问,以增加服务的多样性。
Sep, 2018
本论文旨在为大规模物联网网络设计高效的数据聚合框架,以支持物联网分析层的正确运行,研究内容包括非凸优化、机器学习、随机矩阵扰动理论和联邦滤波等现代算法框架,以及雾计算和云计算等现代计算基础架构。本研究提出了三种独立的新方法,分别解决了 IoT 数据聚合中的三个主要挑战:能源效率路由、处理不确定的原始 IoT 数据、预测基于丢失的通信开销和隐私问题的医疗 IoT 设备的数据聚合框架。
Jul, 2019
近年来的硬件和信息技术的发展使得世界上数十亿个互联智能设备的出现成为可能,它们通过最小的人类干预交换信息。这种称为物联网(IoT)的范式正在快速发展,到 2025 年估计将有 27 亿个设备。然而,这些设备产生的海量数据给用户隐私保护带来了越来越多的担忧,因此本研究引入了已有的一些针对物联网领域的数据隐私保护方案。
Apr, 2023
网络流量分类是物联网中优化资源分配、增强安全措施和确保高效网络管理的关键问题。这篇综述论文通过系统分析和分类现有的深度学习方法,针对物联网环境中的网络流量分类问题,探讨了各种深度学习模型在处理物联网网络流量的独特挑战和限制方面的优缺点。通过这篇综述,我们旨在为研究人员和实践者提供有价值的见解,识别研究空白,并提供未来研究的方向,进一步提高基于深度学习的物联网网络流量分类的效果和效率。
Feb, 2024
提出了 MultiIoT,这是迄今为止最广泛的物联网基准,涵盖了来自 12 种方式和 8 项任务的超过 115 万个样本,引入了在学习许多感知模式、跨长时间范围内进行细粒度交互以及由于现实世界传感器的唯一结构和噪声拓扑而导致的极端异质性等方面的独特挑战,同时发布了一组强大的建模基线,从方式和任务特定方法到多感官和多任务模型,以鼓励未来在物联网的多感官表征学习方面的研究。
Nov, 2023