معماری یکپارچه بلادرنگ سیستم خبره ترکیبی با یادگیری عمیق تطبیقی برای تصمیم گیری لبه محور در اینترنت اشیاء

این پژوهش یک معماری ترکیبی یکپارچه برای تصمیم گیری هوشمند و بلادرنگ در محیط لایه لبه اینترنت اشیاء ارائه می دهد که چهار نیاز کلیدی کاهش تاخیر، افزایش دقت، تضمین شفافیت و رعایت مهلت های سخت زمانی را به طور همزمان برآورده می سازد. معماری پیشنهادی مبتنی بر پنج لایه است که شامل پیش پردازش داده، زمان بندی بلادرنگ، یادگیری عمیق تطبیقی، سیستم خبره فازی و تقطیر دانش دوطرفه است. این ساختار امکان یادگیری مادام العمر بدون نقض محدودیت های زمانی و انتقال کارآمد دانش را در گره های لبه با منابع محدود فراهم می کند. این پژوهش نشان می دهد که تلفیق هوشمندانه ای از مدل های نمادین و زیرنمادین می تواند شکاف بین دقت، سرعت و تفسیرپذیری را در سیستم های بلادرنگ پر کند و پایه ای برای نسل آینده کاربردهای هوش مصنوعی در صنایع حساس ایجاد نماید.

کلیدواژه ها:

اینترنت اشیاء ، سیستم خبره ترکیبی ، یادگیری ماشین لبه ای ، سیستم بلادرنگ سخت ، یادگیری مادام العمر