محاسبات لبه -ابر هوشمند برای تجزیه و تحلیل دادههای یادگیری ماشین اینترنت اشیا با استفاده از الگوریتم خودرمزنگار عمیق

رشد سریع تعداد دستگاههای متصل از جمله موبایل ، حسگرها و سایر دستگاههای اینترنت اشیا باعث تولید حجم عظیمی از دادهها از جمله دادههای یادگیری ماشین می شود که بر روی شبکه ارسال می شوند. این دادهها برای پردازش و ذخیره سازی به ابر ارسال می شوند که باعث تاخیر و ترافیک شبکه می شود. محاسبات لبه با نزدیک تر کردن محاسبات به لبه شبکه ، این مشکلات را برطرف می کند. محاسبات لبه از نظر قدرت محاسباتی محدود است . در نتیجه ، هدف این مقاله ترکیب لبه و ابر برای تجزیه و تحلیل دادههای اینترنت اشیا با استفاده از گرههای لبه برای کاهش انتقال داده روی شبکه است . به منظور پردازش دادههای نزدیک به منبع ، حسگرها بر اساس مکانها گروه بندی می شوند و یادگیری ویژگی در گره نزدیک به لبه با استفاده از یادگیری عمیق انجام می شود. قسمت رمزگذار رمزگذار-خودکار آموزش دیده روی لبه و قسمت رمزگشا بر روی ابر قرار می گیرد. نتایج ارزیابی نشان می دهد که وقتی از ویندوزهای اسلایدینگ در مرحله آمادهسازی استفاده می شود، دادهها را می توان بر روی لبه تا ۸۰ درصد کاهش داد بدون اینکه مقدار قابل توجهی از دقت از دست برود.

کلیدواژه ها:

رمزگذار-خودکار ، محاسبات لبه ، محاسبات ابر و اینترنت اشیا.