Wie könnten maschinelle Lernalgorithmen auf intelligente IoT-Daten angewendet werden?

in RFID Journal on . 0 Comments

Der Zweck von Internet der Dinge (IoT) ist es, eine intelligentere Umgebung und einen vereinfachten Lebensstil zu entwickeln, indem Zeit, Energie und Geld gespart werden. Durch diese Technologie können die Kosten in verschiedenen Branchen gesenkt werden.


Die enormen Investitionen und viele Studien, die auf IoT basieren, haben das IoT in den letzten Jahren zu einem wachsenden Trend gemacht. IoT ist eine Gruppe von verbundenen Geräten, die Daten untereinander austauschen können, um ihre Leistung zu optimieren; Diese Aktionen erfolgen automatisch und ohne menschliche Wahrnehmung oder Eingabe.


IoT umfasst vier Hauptkomponenten:

1) Sensoren

2) verarbeitende Netzwerke

3) Daten analysieren

4) Überwachung des Systems


Die neuesten Fortschritte beim IoT begannen, als RFID-Tags (Radio Frequency Identification) häufiger verwendet wurden, Sensoren mit niedrigeren Kosten verfügbarer wurden, Webtechnologie entwickelt und Kommunikationsprotokolle geändert wurden.

Smart-Cities-Geräte generieren Daten auf kontinuierliche Weise, was darauf hinweist, dass die aus Verkehrs-, Gesundheits- und Energiemanagement-Anwendungen gesammelten Daten ein beträchtliches Volumen bereitstellen würden. Da die Datenerzeugungsrate für verschiedene Vorrichtungen variiert, ist außerdem die Verarbeitung von Daten mit unterschiedlichen Erzeugungsraten eine Herausforderung. Zum Beispiel wird die Häufigkeit der Aktualisierung von GPS-Sensoren in Sekunden gemessen, während die Häufigkeit von Aktualisierungen für Temperatursensoren stündlich gemessen werden kann. Unabhängig davon, ob die Datengenerierungsrate hoch oder niedrig ist, besteht immer die Gefahr eines wichtigen Informationsverlustes.


Maschinelles Lernen ist ein Teilbereich der Informatik, eine Art künstlicher Intelligenz (AI), die Maschinen die Möglichkeit bietet, ohne explizite Programmierung zu lernen. Maschinelles Lernen entstand aus der Mustererkennung und der Computational Learning Theory. Dort werden einige wesentliche Konzepte des maschinellen Lernens sowie die häufig angewandten maschinellen Lernalgorithmen für die intelligente Datenanalyse diskutiert. (Von, IOT und US Community)

Last update: Jan 29, 2018

Related Article

Comments

Leave a Comment

Leave a Reply