روش های یادگیری ماشین در محیط رایانش مه و لبه: بررسی و مرور جامع

پیشرفت روز افزون فناوری ها در جهان و افزایش دستگاه های مجهز به اینترنت اشیاء بسیاری از محققان را درگیر مسائل مختلفکرده تا بتوانند از این امکانات به بهترین شکل ممکن استفاده کنند و زندگی را برای بشریت آسان سازند. این مسائل ذهن ما رانیز به خود مشغول کرد و سبب شد مطالعاتی را در زمینه اینترنت اشیاء و چالش ها و راه حل های مطرح در این زمینه را به صورتتخصصی مطالعه و بررسی کنیم. بنابراین مطالعه خود را در زمینه هوشمند سازی دستگاه های مجهز به اینترنت اشیاء، افزایشسرعت ذخیره سازی و پردازشی این دستگاه ها، انتقال داده بدون وقفه و سریع، افزایش امنیت و حفظ حریم خصوصی کاربران،مصرف بهینه انرژی، کاهش دادهها و استفاده بهینه از فضای ذخیره سازی انجام دادیم و مشاهده کردیم که علم یادگیری ماشین ۲و زیرساخت مه و لبه پاسخگو بسیاری از چالش های مطرح شده می باشد. به همین دلیل تحقیقات خود را در زمینه یادگیریماشین در محیط مه و لبه انجام دادیم تا بتوانیم به پاسخ سوالات خود برسیم. در این راستا مقاله مروری و ۲۰ مقاله تحقیقاتیرا از پایگاه های داده معتبر علمی دنیا دریافت و به طور کامل مطالعه، بررسی و تحلیل کردیم که بررسی های ما نشان داد تعدادیاز محققان برای از بین بردن چالش تاخیر عملیات ارسال، پردازش و ذخیره سازی، رایانش مه و لبه را پیشنهاد کردهاند. همچنینبرای هوشمند سازی دستگاه های مجهز به اینترنت اشیاء دیدگاه یادگیری ماشین را مدنظر قراردادند که حتی پاسخگوی مسائلامنیتی و حریم خصوصی نیز می باشد. علاوه بر اینها، بررسی های ما نشان می دهد که تعدادی از محققان برای کاهش داده هاییکه در منابع ذخیره سازی ابر، مه و لبه ذخیره می شوند از دانش فیلترینگ و تلفیق آن با روشهای یادگیری ماشین برای رسیدنبه فیلترینگ هوشمند استفاده کردهاند. در انتهای کار ما مزایا، معایب، حوزه کاربرد، معیارهای ارزیابی، محیط های ارزیابی و غیرهرا درقالب جداولی منسجم نشان دادیم تا این بررسی مروری بتواند مورد استفاده دقیق و کاربردی محققان این عرصه قرار گیرد.

کلیدواژه ها:

اینترنت اشیاء ، یادگیری ماشین ، رایانش مه ، رایانش لبه ، سیستم محافظ از سلامت هوشمند ، یادگیری عمیق ، شبکه های عصبی