محاسبات زمینه آگاه ، یادگیری و داده های بزرگ در اینترنت اشیاء : یک نظرسنجی (مطالعه پیمایشی)

قیمت: 48,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

محاسبات زمینه آگاه ، یادگیری و داده های بزرگ در اینترنت اشیاء : یک نظرسنجی (مطالعه پیمایشی)

عنوان لاتین

Context Aware Computing, Learning and Big Data in Internet of Things: A Survey

اینترنت اشیاء (IoT) بدلیل پیشرفت های اخیر در ارتباطات و فناوری های حسگر به سرعت در حال رشد می باشد. در عین حال با این تحولات، محققان، پیاده سازان، استقراردهندگان و کاربران با چالش های بسیاری مواجه هستند. IoT یک حوزه پیچیده و پرازدحام است. انواع مختلفی از دستگاه ها، پروتکل ها، کانال های ارتباطات، معماری ها، میان افزار و موارد دیگر وجود دارد. تلاش های استانداردسازی بسیار زیادی انجام شده است و این هرج و مرج ها در زمان های خاصی ادامه خواهد یافت. از سوی دیگر، واضح است که استقرارهای IoT با افزایش سرعت شتاب می گیرند و این روند در آینده نزدیک متوقف نخواهد شد. همانطور که تعداد و ناهمگنی این حوزه رشد می یابد، "هوش مصنوعی" به یک نقطه کانونی در IoT تبدیل می شود. از آنجا که داده ها در حال حاضر "داده های بزرگ" هستند، درک، یادگیری و استدلال با داده های بزرگ برای موفقیت آینده IoT مهم است، یکی از مسائل اصلی در مسیر هوش مصنوعی IoT، درک "زمینه (محتوا)" یا ایجاد سنجش از محیط، وضعیت یا حالات با استفاده از داده ها از حسگرها و سپس اقدام بر این اساس به روش های مستقل است. این مساله "محاسبات زمینه آگاه (آگاهی از زمینه)" نامیده می شود و اکنون به حسگر و یادگیری فزاینده نیاز دارد، بصورتی که سیستم های IoT داده های بیشتر و یادگیری بهتری از این "داده های بزرگ" حاصل می کنند. در این مقاله مروری، ابتدا این حوزه را از دیدگاه تاریخچه، پوشش محاسبات فراگستر و فراگیر، محیط هوشمند و شبکه های حسگر بی سیم بررسی می کنیم و سپس بر روی مطالعات محاسبات زمینه آگاه تمرکز می کنیم. در نهایت، یادگیری و مطالعات داده های بزرگ مربوط به IoT را بررسی می کنیم. ما همچنین مسائل و چالش های باز را شناسایی نموده و بینشی برای حوزه های مطالعه آینده محققان IoT ارائه می دهیم.

Internet of Things (IoT) has been growing rapidly due to recent advancements in communications and sensor technologies. Meanwhile, with this revolutionary transformation, researchers, implementers, deployers, and users are faced with many challenges. IoT is a complicated, crowded, and complex field; there are various types of devices, protocols, communication channels, architectures, middleware, and more. Standardization efforts are plenty, and this chaos will continue for quite some time. What is clear, on the other hand, is that IoT deployments are increasing with accelerating speed, and this trend will not stop in the near future. As the field grows in numbers and heterogeneity, “intelligence” becomes a focal point in IoT. Since data now becomes “big data”, understanding, learning, and reasoning with big data is paramount for the future success of IoT. One of the major problems in the path to intelligent IoT is understanding “context”, or making sense of the environment, situation, or status using data from sensors, and then acting accordingly in autonomous ways. This is called “context aware computing”, and it now requires both sensing and, increasingly, learning, as IoT systems get more data and better learning from this “big data”. In this survey, we review the field, first, from a historical perspective, covering ubiquitous and pervasive computing, ambient intelligence, and wireless sensor networks, and then, move to context aware computing studies. Finally, we review learning and “big data” studies related to IoT. We also identify the open issues and provide an insight for future study areas for IoT researchers.