MMFeb, 2018

物联网数据分析的机器学习：一项调查

PDF
TL;DR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。
internet of thingsbig datamachine learningsmart citiestraffic data
发现论文，激发创造
  • 多联感知技术：面向物联网的大规模多传感器学习

    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

  • 针对 IoT 大数据和流式分析的深度学习：一项调查

    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

  • 物联网中的无线通信机器学习：一项全面调查

    本文综述了机器学习在物联网无线通信中的应用，重点关注了它的特定网络层，包括物理层、数据链路层和网络层等，以及对硬件实现的探讨；同时提供了对物联网无线通信中的机器学习面临的挑战和问题的详细分析。

    Jan, 2019

  • 基于机器学习的工业物联网网络漏洞分析

    本文介绍了利用机器学习技术进行工业物联网系统的安全性分析，漏洞评估和入侵检测，并在真实测试环境中验证了基于机器学习的异常检测系统在检测后门、命令注入和 SQL 注入攻击方面的有效性。

    Nov, 2019

  • 物联网智能化发展的进展、挑战和机遇概述

    本篇综述介绍了人工智能赋能物联网的全景，在云计算、雾计算和边缘计算三个方面，介绍了 AIoT 的体系结构，然后从感知、学习、推理和行为四个角度阐述了 AI 在物联网领域中的研究进展，最后概括了一些有前景的 AIoT 应用，并强调了 AIoT 面临的挑战和潜在的研究机会。

    Nov, 2020

  • 物联网安全的机器学习和深度学习方法调研

    本文介绍了物联网系统中的安全问题以及现有的安全方法不足的问题，提出了如何利用机器学习和深度学习方法改进物联网系统安全的方案，并综述了各种机器学习和深度学习方法在物联网安全中的优缺点以及未来的研究方向。

    Jul, 2018

  • 适用于家用电器维护的物联网云和大数据架构

    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

  • 物联网中网络流量分类的深度学习方法综述

    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

  • 物联网安全中的机器学习：现有解决方案与未来挑战

    本文系统评估了物联网网络的安全需求、攻击向量和现有安全解决方案，探索了应用机器学习和深度学习技术来解决物联网网络不同安全问题的现有解决方案，并讨论了基于当前文献中现有解决方案的基础上，ML 和 DL 为基础的 IoT 安全的未来研究方向。

    Mar, 2019

  • 感知即服务与大数据

    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