기계 학습 알고리즘을 IoT 스마트 데이터에 어떻게 적용 할 수 있습니까?

in RFID 저널 on . 0 Comments

Internet of Things (IoT)의 목적은 시간과 에너지 및 비용을 절약하여 더 똑똑한 환경과 단순화 된 라이프 스타일을 개발하는 것입니다. 이 기술을 통해 서로 다른 산업 분야의 비용을 줄일 수 있습니다.


막대한 투자와 IoT를 실행하는 많은 연구가 IoT를 최근 수년간 증가 추세로 만들었습니다. IoT는 성능을 최적화하기 위해 서로간에 데이터를 전송할 수있는 연결된 장치 세트입니다. 이러한 행동은 사람의 인식이나 입력없이 자동으로 발생합니다.


IoT에는 네 가지 주요 구성 요소가 포함됩니다.

1) 센서

2) 처리 네트워크

3) 데이터 분석

4) 시스템 모니터링


IoT에서 이루어진 가장 최근의 발전은 무선 주파수 식별 (RFID) 태그가 더 자주 사용되고, 저가 센서가보다 유용 해지고, 웹 기술이 개발되고, 통신 프로토콜이 변경되었을 때부터 시작되었습니다.

스마트 도시의 장치는 지속적으로 데이터를 생성하므로 교통, 건강 및 에너지 관리 응용 프로그램에서 수집 한 데이터가 상당한 양을 제공합니다. 또한 데이터 생성 속도가 장치마다 다르므로 서로 다른 생성 속도로 데이터를 처리하는 것은 어려운 작업입니다. 예를 들어, GPS 센서 업데이트 빈도는 초 단위로 측정되지만, 온도 센서 업데이트 빈도는 매시간 측정 할 수 있습니다. 데이터 생성 속도가 높거나 낮을지라도 중요한 정보 손실의 위험이 항상 존재합니다.


기계 학습은 명시 적 프로그래밍없이 기계를 학습 할 수있는 인공 지능 (AI) 유형 인 컴퓨터 과학의 하위 분야입니다. 기계 학습은 패턴 인식과 전산 학습 이론에서 발전했습니다. 거기에는 기계 학습에 대한 몇 가지 필수 개념과 스마트 데이터 분석을 위해 자주 적용되는 기계 학습 알고리즘이 논의됩니다. (IOT 및 미국 공동체 출신)

Last update: Jan 29, 2018

Related Article

Comments

Leave a Comment

Leave a Reply