روش های یادگیری ماشین در محیط رایانش مه و لبه: بررسی و مرور جامع
- سال انتشار: 1401
- محل انتشار: هجدهمین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT18_018
- زبان مقاله: فارسی
- تعداد مشاهده: 354
نویسندگان
زهرا السادات محمودیان نوش آبادی
گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه آل طه، تهران، ایران
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه امام علی(ع)، تهران، ایران
چکیده
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 عصبیمقالات مرتبط جدید
- Resource Optimization in Large Language Model Deployment Using Reinforcement Learning and Adaptive Software Engineering
- کاربرد یادگیری ماشین در پیشبینی خطاهای نرم افزاری در مراحل اولیه توسعه سیستم های پیچیده
- A review of the application of silver nanoparticles in improving the performance of ultrathin silicon solar cells
- نگرشی برنانو و نقش آن در تصفیه آب در نیروگاه های برق
- The Biomechanical Effect of Knee Flexion Angles on Squat Lifting with a Flat Back Position
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.