Nov, 2023

使用矢量同步在分布式无电池物联网中实施应用和能量感知的数据聚合

PDF
TL;DR基于环境能量采集的无电池物联网设备在下一代无线网络的可持续绿色计划中至关重要，我们提出了一种基于应用感知的任务和能量管理器（ATEM）以及基于向量同步的数据聚合器（VSDA），此方案满足异构应用需求且降低数据损失、数据延迟，提高硬件组件可用性，并与先进技术相比更快地使组件可用。
battery-less iot devicesenergy harvestingsustainable application supportdistributed iot networkdata aggregator
发现论文，激发创造
  • 智能能量采集物联网网络的循环管理与唤醒技术

    该研究提出了一种基于最近邻的根据空间和时间相关性管理 IoT 设备的有效循环管理方法，以延长电池寿命和减少能量不足情况，相较于随机循环基准，能够显著降低误检概率和能源消耗 50%。

    May, 2024

  • 物联网数据聚合技术

    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

  • 移动健康自持穿戴设备的自适应能源管理

    本文研究了可穿戴设备可持续运营的问题，提出了一种自适应能源管理算法 AdaEM，使用机器学习方法学习用户活动和能源使用模型，并用动态鲁棒优化 (DyRO) 来优化能源管理决策，实验数据表明 AdaEM 能够达到接近最优解的效果。

    Jan, 2022

  • 边缘自适应基于人工智能应用程序的能源感知设计方法

    在本文中，我们提出了一种能够平衡应用目标与能耗的采用能量感知方法的自适应 AI 应用程序的设计和部署方法，通过元启发式搜索过程确定可用于自适应系统的配置集合，并使用加权灰色关联分析将最终的配置映射到自适应应用程序的操作模式，验证结果表明，我们的自适应应用程序在节省高达 81% 的能源的同时，仅在准确率上损失了 2% 至 6%。

    Aug, 2023

  • 基于能源感知的早期退出实现可持续的边缘智能

    提出了一种基于动态早停止和能量感知策略的边缘智能系统，用于解决深度学习模型在能源受限设备上的能耗问题，实现高效、精准的推理，与传统的能量不感知策略相比，精度和服务率分别提高了至多 25% 和 35%。

    May, 2023

  • 自组织低功耗物联网网络：一种分布式学习方法

    本研究通过自学习、分布式学习的方法，适应环境，使物联网设备之间的通信参数最大程度优化，实现能源效率和通信可靠性的提高，并与中心化方式进行对比，结果显示本方法能显著提升物联网通信的能源效率和可靠性，在低成本和低功耗的物联网应用中具有很好的应用前景。

    Jul, 2018

  • 基于无线功率传输的物联网数据聚合：基于波束成型和功率控制的空中功能计算

    探讨在物联网的环境下，如何利用无线数据聚合和无线电力传输来优化 AirComp 的能效，通过控制 WPT 可以显著降低 AirComp 误差。

    Aug, 2018

  • 基于强化学习的物联网系统中多接入控制和能量收集电池预测

    本文研究小型 IoT 系统中的能量收集、访问控制和电池预测问题，提出了基于强化学习和深度 Q 网络的三种算法，实验结果表明这些算法在性能上比现有基准方法更优秀。

    May, 2018

  • 密集小型蜂窝网络中基于均场多臂赌博的能量收集物联网设备分布式小区划分方法

    本文提出了一种基于均值场多臂老虎机博弈方法的能量收集 Internet of Things 小型网络（UD-SCN）上行小区关联问题的分布式解决方案，并解决了面临的不确定性和信息不足的大型多智能体系统分析问题。

    Apr, 2016

  • 边缘智能：基于间歇式嵌入式系统的推理

    该论文提出了一种新的软件系统 SONIC，该系统支持 DNN 推理，并引入一种名为 loop continuation 的技术，大幅减少了能量收集系统上正确执行 DNN 推理的成本。实验结果表明，SONIC 和 TAILS 可以实现更高的能量效率，分别将推理能量减少了 6.9 倍和 12.2 倍。

    Sep, 2018