ارزیابی یک سیستم هوشمند IoT مبتنی بر یادگیری تقویتی عمیق

استفاده از سیستم های کنترل حلقه بسته با استفاده از سنسورها و محرک ها. با این حال ، سلامت سنسورها و محرکها و تاثیر آنها بر بازده صنعت همچنان یک منطقه چالش برانگیز است. جنبه مهم دیگر موضوعات مرتبط با شبکه است که به دلیل آن بالا می روند مقیاس بزرگ سنسورها و محرکها. به یک مکانیزم کارآمد نیاز دارید که تاخیر شبکه و افت بسته ها را مدیریت کند مرتبط با استقرار سنسور در مقیاس بزرگ. روشهای یادگیری ماشین وجود دارد که برای پیش بینی سنسور استفاده می شود وقتی به دلایل مختلف غایب است ارزش دارد. به همین ترتیب ، تکنیک های تشخیص ناهنجاری وجود دارد که برای تشخیص معیوب استفاده می شود سنسورها هر دو روش پیش بینی در پاسخ به خواص مربوط به طول عمر و نیازهای خدمات سنسورها و محرکها ناکام هستند. در این مقاله یک چارچوب یادگیری ماشین ارائه شده است که ترکیبی از نتایج ماژولهای یادگیری فردی برای دستیابی به آن است تصمیمات جمعی. این روش پیشنهادی راه حلی برای رفع تاخیرها و خرابی های موجود در تصمیمات جمعی در مقیاس بزرگ ارائه می دهد. این روش پیشنهادی راه حلی برای رفع تاخیرها و خرابی هایی که در استقرارهای گسترده ایجاد می شوند فراهم می کند.

Keywords:

یادگیری ماشین , یادگیری چند حالته , IIoT , سهمیه یادگیری