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
本文提出了一个以云计算为中心的物联网实现愿景，讨论了未来近期可能推动物联网研究的关键技术和应用领域，介绍了一个基于私有和公共云互动的 Aneka 云实现。该实现旨在将 WSN、互联网和分布式计算融合，服务于技术研究社区。
Jul, 2012
基于物理增强的图神经网络的软测量方法在区域供热网络案例研究中表现出显著的改进，即使在存在噪声和参数不准确性的情况下，这种方法克服了传统深度学习模型无法明确表示各种传感器之间复杂相互作用的限制。
Apr, 2024
提出一种软件架构，利用边缘、雾化和云计算等不同层级之间的双向通信来最大限度地利用上下文和情境数据，并通过医院呼吸疾病监测的案例研究证明了该架构在满足物联网场景需求方面有着高效的通信。
Jan, 2024
本研究采用基于离散事件系统规范的 IoT 模型，包括 IoT 设备到边缘数据中心的处理单元的 entire architecture 描述，并考虑用户设备、网络和计算基础设施的定位感知，以优化管理 IoT 数据流分析应用程序的联合资源，提高其时延和能源效率，通过真实痕迹和数据的驾驶辅助用例证明了我们的贡献。
May, 2023
本文提出一种低资源、基于机器学习的 T800 数据包过滤器来保护物联网 (IoT) 设备免受恶意攻击，该方案通过排除未请求的恶意流量，提高设备的计算能力，并适用于不同系统。
本文研究了如何通过深度神经网络的测量压缩和推理，实现 IoT 数据通信的有效率，并在实验中取得了 96% 的数据传输量节省和 2.5% 推理准确度下降的成果。
Mar, 2020
提出了一种新的传感模块，通过在传感器附近集成高效的机器学习模型，为传感框架提供智能数据传输能力，以解决当前传感系统中缺乏定向智能的问题，并通过调节数据传输频率，仅传输有价值的数据并丢弃无关信息。该模型经过量化和优化，用于实时传感器控制，结合定制化的训练过程和利用时间信息的 “懒惰” 传感器停用策略来增强框架性能，通过软件和硬件组件实现。实验证明，利用该模块的框架在能源消耗和存储方面实现了超过 85％的系统效率，并对性能几乎没有影响。该方法有潜力显著减少传感器的数据输出，从而惠及各种物联网应用。
Feb, 2024
通过使用物联网的 Web 模式和复杂事件处理技术，本文提出了一种完全可重用的微服务架构，用于智能港口空气质量监测和警报部署，并展示了该架构的出色性能评估结果。
提出了一种基于微服务和语义虚拟化的物联网架构，通过知识驱动和数据驱动技术支持智能服务，并使用机器学习管道实现数据驱动方面。
Oct, 2019