知的IoT解析学のための個別および結合ネットワーキング挙動の結合【JST・京大機械翻訳】

Jeyakumar Jeya Vikranth; Cherkasova Ludmila; Lajevardi Saina; Allan Moray; Zhao Yue; Fry John; Srivastava Mani

プレプリント

J-GLOBAL ID：202202201429374707 整理番号：22P0299759

知的IoT解析学のための個別および結合ネットワーキング挙動の結合【JST・京大機械翻訳】

Combining Individual and Joint Networking Behavior for Intelligent IoT Analytics

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月06日プレプリントサーバーでの情報更新日： 2022年03月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

次の10年間にわたるトリリオン接続デバイスのIoTビジョンは,信頼できるエンドツーエンド接続性と自動デバイス管理プラットフォームを必要とする。小さなIoTテストベッドを維持するための成功した努力が見られたが,大規模デバイス配置の効率的な管理には複数の課題がある。産業IoTでは,数百万のデバイスを組み入れると,従来の管理方法はうまくはならない。本研究では,ネットワークレベルで得られたトラヒック特性を用いて,IoTデバイス管理のための新ツール,IoTelligentの基盤を形成する,新しい機械学習技法の集合を設計することにより,これらの課題に取り組んだ。このツールの設計は,IoT展開を有する350の企業から収集した1年間の長いネットワークデータの分析によって駆動される。このデータの探索分析は,IoT環境が有名なPareto原理に従うことを明らかにした。(i)データセットにおける企業の10%は,全交通の90%に寄与する。(ii)全ての会社の7%は,全てのデバイスの90%を所有した。需要予測のためにCNN,LSTM,および畳込みLSTMモデルを設計,評価し,Convolutional LSTMモデルの結論が最良であった。しかし,個々の企業モデルを維持し更新することは高価である。本研究では,一般的な需要予測モデルが,正規化因子を持つすべての企業の複合データを用いて構築される,新しいスケーラブルなアプローチを設計した。さらに,オートエンコーダに基づくデバイス管理のための新しい技術を紹介した。それらは,フラッグ異常デバイスと同様の挙動を有するデバイスグループを同定するために,関連するデバイス特徴を自動的に抽出する。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

計算機網

, , ,

前のページに戻る