iot devices | BriefGPT - AI 论文速递

关键词iot devices

搜索结果 - 66

利用机器学习在动态无线环境中进行准确的物联网设备识别
通过累积分数为数据收集和机器学习算法训练引入的方法，在考虑到无线信道的动态影响时，成功实现了超过 97% 的设备识别的 F1 分数，相较于忽略信道动态对数据收集和设备延迟的影响时仅实现 75% 的 F1 分数，实现了显著改进。
PDF2 months ago
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%。
PDF2 months ago
vMCU: MCU 上的 DNN 推理的协调内存管理和内核优化
基于微控制器单元（MCU）的物联网设备为近传感器深度学习模型（DNN）提供超低功耗和无处不在的计算能力。本文提出了一种协同 MCU 上的 DNN 推断的内存管理和内核优化方法，以实现细粒度的内存管理。通过将有限内存虚拟化为一个大型内存池，每
PDF2 months ago
使用带有顺序假设测试的自动编码器检测被入侵的物联网设备
该研究提出了一种名为 CUMAD 的有效和高效的框架，通过结合基于自编码器的异常检测子系统和基于顺序假设检验的顺序概率比测试子系统，累积足够的证据以检测受损的物联网设备，从而有效降低了误报数目，同时能快速检测到受损的物联网设备。
PDF2 months ago
EG-ConMix：基于图对比学习的入侵检测方法
通过提出 EG-ConMix 方法，本文解决了 IoT 网络攻击事件监测的复杂性、数据不平衡问题，并展示了其在入侵检测性能方面相对于其他方法的显著优势。
PDF3 months ago
AAAIRQP-SGD: 差分隐私机器学习通过噪声 SGD 和随机量化
针对物联网设备需求趋升，要求在边缘实时、高效、安全地处理数据的机器学习需求，本研究提出了一种新的隐私保护量化方法 RQP-SGD，结合差分隐私随机梯度下降（DP-SGD）与随机量化，实现低内存机器学习模型的训练，同时保护底层数据集的隐私并展
PDF5 months ago
优化的集成模型以实现安全的工业物联网设备
提出了一种基于贝叶斯优化 - 高斯过程（BO-GP）和集成树状学习模型的框架，以提高工业物联网环境中入侵和攻击检测的性能。实验结果显示，与标准树模型和集成树模型相比，该框架在检测精度、准确率和 F-score 方面有所提高。
PDF6 months ago
LLMind: 用 LLMs 编排人工智能与物联网，实现复杂任务执行
LLMind 是一个创新的 AI 框架，通过将 LLMs 与领域特定的 AI 模块集成，使得物联网设备能够有效地协同执行复杂任务。LLM 利用基于有限状态机的可靠和精确的语言代码转换方法进行规划和生成控制脚本。该框架还结合了语义分析和响应优
PDF7 months ago
受限双变分自编码器用于物联网系统的入侵检测
该研究文章提出了一种称为受限双变分自编码器（CTVAE）的新型深度神经网络 / 架构，可用于将入侵检测系统（IDS）的分类器提供更可分离 / 可区分和低维表示数据，相较于现行状态 - of-the-art 的神经网络，CTVAE 所需的内存
PDF7 months ago
MPCNN：一种基于矩阵剖面的卷积神经网络睡眠呼吸暂停分级方法
使用基于距离关系的新特征提取方法，提高了轻量级模型的性能，为家庭睡眠呼吸暂停监测和睡眠呼吸暂停检测在物联网设备中的应用潜力。
PDF7 months ago
EdgeFM: 基于基础模型的边缘开放集学习
边缘设备资源有限，难以将深度学习模型推广到各种环境和任务。本文提出了一种具有开放集识别能力的边缘云协同系统 EdgeFM，通过选择性上传未标记的数据来查询云端的基础模型 (FM)，并为边缘模型定制特定的知识和体系结构，同时 EdgeFM 在
PDF7 months ago
基于绿色色度坐标（GCC）和基于注意力的特征提取的支持向量机用于物联网智能农业应用中的作物病害分类
本文提出了一种新的分类方法，利用基于注意力的特征提取、基于 RGB 通道的色度分析、支持向量机（SVM）的性能改进以及在信息量化后与移动应用和物联网设备集成的能力，为农民提供精确和快速的信息，从而转变了农民鉴别作物疾病的方式，保护农业产出，
PDF8 months ago
MCUFormer：在内存有限的微控制器上部署视觉 Transformer
本文提出了一种名为 MCUFormer 的硬件算法协同优化方法，用于在内存极为有限的微控制器上部署视觉变换器，实现图像分类任务，通过考虑降维尺寸和补丁分辨率来扩展视觉变换器的搜索空间，并通过操作符集成、补丁嵌入分解和令牌覆写等方法来构建视觉
PDF8 months ago
ZEST: 基于注意力机制的零样本学习用于未知物联网设备分类
提出 ZEST，一种基于自注意力的零样本学习框架，用于分类见过与未见过的物联网设备，通过使用自注意力的网络特征提取器 SANE 来提取物联网流量的潜在空间表示，训练具有生成伪数据解码器的生成模型以及使用生成的伪数据训练的监督模型来分类设备。
PDF9 months ago
基于时序约束的自适应图像卸载的渐进神经压缩
通过训练多目标的无限编码器以优化多个压缩比率，并根据可用带宽传输以提高推理性能，提出了一种自适应方法来解决物联网设备资源约束和时间约束下机器学习应用推理性能的问题。
PDF9 months ago
大规模 MIMO 系统中缓解飞行员污染并实现物联网可扩展性
本文针对巨型 MIMO 系统中的导频污染和可扩展性问题，提出了一种创新的基于物联网设备的导频分配方案，通过将导频序列分配给设备簇而不是个体设备，实现了多设备利用同一导频进行周期性数据传输，通过将导频分配问题建模为图的着色问题，并使用最大 k
PDF9 months ago
CPIPS: 在端到端图像压缩中学习保持视觉距离
通过在神经科学中建模感知皮层和生物系统中的高效编码假设，我们重新利用压缩潜在表示来优先考虑语义相关性，同时保留感知距离。我们提出的方法，压缩感知图像补丁相似度（CPIPS），可以从学习的神经编解码器以较低的成本进行计算，并且比基于深度神经网
PDF9 months ago
FedAIoT: 人工智能物联网的联邦学习基准
FedAIoT 是一个用于 AIoT 的 FL 基准测试，包括来自广泛的 IoT 设备的八个数据集，以及简化了数据集性能基准测试的统一端到端 FL 框架。
PDF9 months ago
物联网中联邦学习在超个性化领域的应用
利用物联网设备、联邦学习训练机器学习模型和数据利用，实现前所未有的个性化水平。
PDF9 months ago
利用联邦学习进行工业物联网边缘设备网络的无监督异常检测
通过使用联邦学习方法中的 Fedavg 算法解决了物联网设备中涉及的隐私问题，并提出了一个公平的 Fedavg 算法以解决在训练过程中出现的不公平问题。
PDF10 months ago