Akademik arama
Arama sonuçları
“Nesnelerin İnterneti” için 2 doğrulanmış makale incelemesi bulundu.
Mühendislik ve Teknoloji · Bilgisayar Ve Elektrik Muhendisligi
Nesnelerin İnterneti Sistemlerinde Veri Dağılımı Zorluklarına Karşı Saldırı Tespitinde Federatif Öğrenme Yaklaşımlarının Karşılaştırmalı Analizi
Nesnelerin İnterneti sistemlerinin yaygınlaşması ve veri hacminin artması, geleneksel makine öğrenmesi modellerinin merkezi sunucularda eğitilmesini veri güvenliği ve gizliliği açısından sürdürülemez kılmaktadır. Bu bağlamda, model eğitimini uç cihazlara dağıtan Federatif Öğrenme yaklaşımı alternatif bir çözüm olarak öne çıkmaktadır. Ancak farklı cihazlardaki veri dağılımlarının birbiriyle özdeş ve bağımsız olmaması durumu, federatif öğrenme algoritmalarının başarısını doğrudan etkileyen istatistiksel heterojenlik sorununu doğurmaktadır. Mevcut literatürde, Nesnelerin İnterneti ağlarındaki saldırı tespiti bağlamında bu istatistiksel heterojenliği ele alan farklı federatif öğrenme yaklaşımlarını kapsamlı bir şekilde karşılaştıran çalışmaların eksikliği dikkat çekmektedir.
Sağlık Bilimleri · Klinik Ve Halk Sagligi
Tıbbi Nesnelerin İnterneti Ekosisteminde Kenar-Bulut Bilişim ve Yapay Zeka Entegrasyonu: Mimari Yapılar, Teknolojik Bileşenler ve Uygulama Alanları
Sağlık bilişimindeki dijital dönüşüm, 5G teknolojisinin gelişiyle birlikte tıbbi verilerin heterojen yapısını ve patlayıcı büyümesini beraberinde getirmiştir. Geleneksel sağlık modellerindeki erişim zorlukları, yüksek tedavi maliyetleri ve bilgi kapalılığı gibi kronik sorunlar, Tıbbi Nesnelerin İnterneti (IoMT) teknolojileriyle aşılmaya çalışılsa da, devasa büyüklükteki verinin güvenliğinin sağlanması ve gecikmesiz işlenmesi kritik bir teknik darboğaz teşkil etmektedir. Özellikle gerçek zamanlı veri analizi gerektiren cerrahi müdahaleler ve yoğun bakım izlemi gibi durumlarda, merkezi bulut sistemlerinin yarattığı ağ gecikmesi hayati riskler barındırmaktadır. Makale, bu sorunsalı çözmek adına bilişim kaynaklarının veri kaynağına yakınlaştırıldığı kenar-bulut hiyerarşisini ve yapay zeka optimizasyonlarını akademik bir mercekle tartışmaya açmaktadır.