كيف يمكن تطبيق خوارزميات التعلم الآلي على تقنيات عمليات البيانات الذكية؟

in مجلة RFID on . 0 Comments

والغرض من إنترنت الأشياء، (تقنيات عمليات) هو تطوير بيئة أكثر ذكاء، وتبسيط نمط الحياة من خلال توفير الوقت والطاقة والمال. ومن خلال هذه التكنولوجيا، يمكن تخفيض النفقات في مختلف الصناعات.


وقد جعلت الاستثمارات الهائلة والعديد من الدراسات التي تجري على إنترنت الأشياء اتجاها متناميا في السنوات الأخيرة. تقنيات عمليات هي مجموعة من الأجهزة المتصلة التي يمكن نقل البيانات بين بعضها البعض من أجل تحسين أدائها؛ تحدث هذه الإجراءات تلقائيا وبدون وعي أو مدخلات بشرية.


تتضمن إنترنت الأشياء أربعة مكونات رئيسية:

1) أجهزة الاستشعار

2) شبكات المعالجة

3) تحليل البيانات

4) مراقبة النظام


وبدأت أحدث التطورات التي تحققت في مجال إنترنت الأشياء عندما وضعت علامات التعرف على ترددات الراديو (رفيد) في الاستخدام على نحو أكثر تواترا، وأصبحت أجهزة الاستشعار الأقل تكلفة متاحة، وتطورت تكنولوجيا الويب، وتغيرت بروتوكولات الاتصال.

وتولد أجهزة المدن الذكية بيانات بطريقة مستمرة، مما يشير إلى أن البيانات التي تم جمعها من تطبيقات إدارة حركة المرور والصحة وإدارة الطاقة ستوفر قدرا كبيرا من الحجم. وبالإضافة إلى ذلك، منذ معدل توليد البيانات يختلف لأجهزة مختلفة، معالجة البيانات مع معدلات توليد مختلفة هو التحدي. على سبيل المثال، يتم قياس وتيرة تحديث أجهزة الاستشعار غس في ثوان في حين أن تردد التحديثات لمستشعرات درجة الحرارة يمكن قياسها كل ساعة. إذا كان معدل توليد البيانات مرتفع أو منخفض، هناك دائما خطر فقدان المعلومات الهامة.


التعلم الآلي هو حقل فرعي لعلوم الكمبيوتر، وهو نوع من الذكاء الاصطناعي، (أي)، الذي يوفر آلات مع القدرة على التعلم من دون برمجة صريحة. تطورت آلة التعلم من التعرف على الأنماط ونظرية التعلم الحاسوبي. هناك، يتم مناقشة بعض المفاهيم الأساسية للتعلم الآلي وكذلك خوارزميات التعلم الآلي التطبيقية في كثير من الأحيان لتحليل البيانات الذكية. (من، يوت والمجتمع الأمريكي)

Last update: Jan 29, 2018

Related Article

Comments

Leave a Comment

Leave a Reply