为什么IoT需要机器学习才能蓬勃发展?

  • 时间:
  • 浏览:5

当当我们 当当我们 当当我们 都 突然在热烈讨论大数据和人工智能等技术的机遇和威胁,并对它们的未来表示担忧。与此一齐,公司希望通过安装不不 的传感器,来提高时延降低成本。然而,InData实验室的机器学习顾问表示,机会没办法 适当的数据管理和分析策略,哪些技术只会产生更多噪音,填满更多服务器。而不不发挥它们的实际潜力。有没办法 措施将简单的传感器录音转换为可操作的行业见解?

简单的答案是肯定的,它在于机器学习(ML)中。

机器学习能力

ML的范围是模仿人类大脑防止输入以产生逻辑响应的措施。机会当当我们 当当我们 当当我们 都 依赖学习、培训或经验,机器就还要另十个 算法。此外,随着当当我们 当当我们 当当我们 都 每个人 的知识储备增多,当当我们 当当我们 当当我们 都 会调整当当我们 当当我们 当当我们 都 的反应,变得更加熟练并日后现在开始有选择地应用。在机器中克隆本身自我调节行为是ML开发的终点。

为了便于学习,计算机将显示原始数据,并尝试使其更有意义。随着它的发展,它变得没办法 有经验,产生不不 样化的反馈。

物联网的挑战

在物联网(IoT)的广泛领域里,当当我们 当当我们 当当我们 都 还后能 找到从智能手机到智能冰箱,再到监控工业流程的传感器等各种产品。

然而,至少有十个 与物联网实施相关的基本难题还要防止:

  ●安全性和隐私性:任何防止类似数据的算法都还要嵌入一点措施来保证所有通信的安全,尤其是当当我们 当当我们 当当我们 歌词 都 讨论像医疗传感器分类分类整理的个人 数据时。

  ●操作的准确性:在恶劣条件下,实施的传感器机会会发送错误数据,机会没办法 数据,从而破坏算法。

  ●大数据的3v:大多数物联网设备产生可归类为大数据,机会它检查3v:体积,时延和变化。防止3v难题导致 着为您正在使用的数据类型以及您尝试防止的难题找到最佳算法。

  ●互联性:物联网的价值在于使断开连接的物品和工具相互“对话”。为什么我么我让,机会哪些还要以不同措施创建的,为什么我么我让它们还要使用通用语言,这通常是最小的一齐点。机会计算机机会有TCP/IP协议,你的冰箱将何如与咖啡机通信呢?

为哪些将机器学习用于物联网?

机器学习是物联网领域的至少防止方案,至少有另十个 主要导致 。首先是数据量和自动化机会有关。第十个 与预测分析有关。

数据分析自动化

为什么我么我当当我们 当当我们 当当我们 当当我们 都 以汽车传感器为例。当汽车行驶时,传感器记录下成千上万的数据点,哪些数据点还要实时防止,以防止事故地处,并为乘客提供舒适。人工分析师无法为每辆车执行原本 的任务,为什么我么我让自动化是唯一的防止方案。

通过机器学习,车辆的中央计算机还后能 了解危险情况表,类似时延和摩擦参数,这机会对驾驶员有害,为什么我么我让当场使用安全系统。

ML的预测能力

回到汽车的例子,物联网的真正力量不仅在于检测当前的危险,还在于识别更为普遍的模式。类似,系统还后能 了解轮流过紧或有平行停车困难的驾驶员,并通过在哪些事项上提供额外指导来帮助他或她。

ML对于物联网最有用的特性是它还后能 检测异常值和异常活动,并触发必要的红旗。随着它对本身难题的了解不不 ,它变得更加准确和有效。另十个 很好的例子是谷歌对其HVAC系统所做的,显著降低了能源消耗。

最后但不须最不重要的是,还有机会创建模型,通过选择导致 特定结果的因素,非常准确地预测未来事件。这提供了另十个 玩输入和控制结果的机会。

它应该何如工作?

至关重要的是要理解,当物联网系统依赖于人类输入时,它机会会失败。它还要机器学习的支持也能成为另十个 全部一致的系统,还后能 抵御人为错误。

在另十个 相互关联的世界中,人类错误调慢就会被算法纠正。这有益于通过反馈机制优化整个过程。系统的预测组件还后能 识别正确的输入以获得预期的输出。

当由ML提供支持时,物联网还后能 在个人 层面上完美地工作,原本 您就不不出类似集体层面上弄乱您的早晨例程。后本身情况表还后能 通过相互连接的汽车来说明,哪些汽车还后能 相互通信并执行动态重新路由以防止交通拥堵。

从大数据到智能数据

“更聪明,更努力”的建议非常适合管理物联网生成的数据并将其转化为有用的见解。我觉得 大数据还要为了克服3v带来的挑战,但智能数据还后能 参考:

  ●在将传感器数据发送到云进行分析我应该 ,现场清理传感器数据

  ●预防止批次的传感器信息,随时还后能 转化为可操作的见解

在这本身情况表下,机器学习的附加价值在于它还后能 获取智能数据并使ML模型调慢,更准确地工作。

本文由

李雪薇

发布在

ITPUB

,转载此文请保持文章全部性,并请附上文章来源(ITPUB)及本页链接。

原文链接:http://www.itpub.net/2019/07/29/2525/