製造業向けの低コストのIoTソリューションを開発し、クラウドベースのデータ収集と分析を行うことで、エネルギー使用と環境条件の実時間監視を可能にする。
本論文は、トランスフォーマーアーキテクチャと強化学習(PPO)を統合した新しいフレームワークを提案し、複雑なIoT環境における意思決定の効率と適応性を大幅に向上させることを示している。
IoTとクラウドコンピューティングが大量のデータを生み出す中で、エッジコンピューティングの活用とマシンラーニングの活用により、遅延の低減、効率の向上、セキュリティの強化を実現し、インテリジェントなシステムの発展を推進する。
本論文では、さまざまなベンダーからのデバイスやシステムを監視・制御するIoTシステムの開発について議論する。相互運用性、スケーラビリティ、データ管理などの主要なIoTプロジェクトの課題を設計・導入フェーズで考慮し、さらに特定の統合課題についても詳述する。
エッジサーバーは近隣のサーバーと情報を交換し、センサーからデータを収集して配信されたタスクを完了する。提案するアルゴリズムDC-ULCBにより、サーバーは協調的にセンサーを選択してデータ収集率を最大化しつつ公平性を維持する。
画像ベースの異常検出IoTシステムにおいて、強化学習アルゴリズムを使用してシステム操作を最適化することで、バッテリー寿命が向上する。