يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة بحثية
تقدم هذه الدراسة إطارا قائما على التعلم الآلي لمحاذاة أنطولوجيا إنترنت الأشياء في الوقت الفعلي ، مما يتيح تبادل البيانات بسلاسة عبر أنظمة غير متجانسة. من خلال دمج النمذجة الدلالية والتحسين التكيفي ، يعزز النهج قابلية التشغيل البيني ويقلل من زمن الوصول ويحقق دقة عالية. تم التحقق من صحتها في إعدادات العالم الحقيقي ، ويوفر حلا قابلا للتطوير وموحد لتكامل إنترنت الأشياء.
أدى عدم التجانس المتزايد لأجهزة إنترنت الأشياء (IoT) إلى تحديات كبيرة في تحقيق قابلية التشغيل البيني في الوقت الفعلي وتبادل البيانات بسلاسة. غالبا ما تعمل النظم البيئية الحالية لإنترنت الأشياء باستخدام نماذج بيانات متنوعة وبروتوكولات اتصال وتمثيلات دلالية ، مما يؤدي إلى أنظمة مجزأة تعيق التكامل. لمعالجة هذه المشكلة ، نقترح إطارا موحدا يستخدم محاذاة الأنطولوجيا القائمة على التعلم الآلي لتكامل إنترنت الأشياء القياسي والتكيفي. الفرضية التي توجه هذا البحث هي أن الجمع بين النمذجة الدلالية وتقنيات التحسين الذكية يمكن أن يحسن بشكل كبير اتساق وكفاءة تبادل البيانات عبر بيئات إنترنت الأشياء غير المتجانسة. يدمج الإطار المقترح معالجة دفق البيانات في الوقت الفعلي ، وتحليل التشابه الدلالي ، ورسم خرائط الأنطولوجيا التكيفية لمحاذاة أنطولوجيا الجهاز ديناميكيا. باستخدام بيئات محاكاة وواقعية ، بما في ذلك المنازل الذكية وأنظمة الرعاية الصحية ، تم اختبار إطار العمل مقابل مقاييس الأداء الرئيسية مثل الدقة وزمن الوصول ومعدل التشغيل البيني. تظهر النتائج أن الطريقة المقترحة تحقق دقة محاذاة أنطولوجيا عالية تبلغ 97٪ ، وتقلل من زمن الوصول إلى أقل من 20 مللي ثانية ، وتحافظ على قابلية التشغيل البيني لأكثر من 95٪ بين أنواع الأجهزة المتنوعة. تؤكد النتائج أن تكامل خوارزميات التعلم الآلي مع النمذجة الدلالية يعزز بشكل كبير الأداء وقابلية التوسع والقدرة على التكيف لأنظمة إنترنت الأشياء. يعالج إطار العمل بنجاح التناقضات الدلالية ويدعم الإعداد الديناميكي للجهاز دون تدخل يدوي. تقدم هذه الدراسة حلا قويا وقابلا للتطوير لقابلية التشغيل البيني لإنترنت الأشياء ، حيث تقدم محاذاة أنطولوجيا ذكية في الوقت الفعلي قابلة للتكيف مع الأجهزة المتطورة ومعايير البيانات. يساهم هذا العمل في تطوير بنى إنترنت الأشياء من الجيل التالي القادرة على دعم الاتصالات الموحدة والفعالة والآلية عبر التطبيقات المتنوعة.
يتطور إنترنت الأشياء (IoT) بسرعة إلى بنية تحتية أساسية للبيئات الذكية ، حيث يربط مجموعة واسعة من الأجهزة غير المتجانسة التي تعمل عبر مجالات متنوعة مثل الرعاية الصحية والمدن الذكية والزراعة والأتمتة الصناعية1،2،3. تولد هذه الأجهزة كميات كبيرة من البيانات وتعتمد على الفهم الدلالي للتواصل بشكل هادف4،5،6،7. ومع ذلك ، فقد برز الافتقار إلى بنية دلالية موحدة كعائق رئيسي أمام تبادل البيانات السلس8،9....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
لم يشمل هذا البحث مواضيع بشرية أو فقارية أو أخذ عينات من الأنسجة. تم إجراء جميع التجارب وفقا لإرشادات البحث الحسابي المؤسسي في جامعة جي سي بوز للعلوم والتكنولوجيا ، جمعية الشبان المسيحيين ، فريد أباد.
جمع وتقييم الأنطولوجيا
تم الحصول على الأنطولوجيات العامة ذات الصلة بالرعاية الصحية والمنازل الذكية والمراقبة الصناعية من المستودعات القائمة ، بما في ذلك المفردات المفتوحة المرتبطة (LOV) والبوابات الخاصة بالمجال ، بتنسيقات RDF / OWL1،2،3. تم فحص كل أنطولوجيا في محرر أنطولوجيا (على سبيل المثال ، Protégé) وتم تحليلها برمجيا لاستخراج ا....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
جمع وتقييم الأنطولوجيا
كشف تحليل الأنطولوجيا عن تناقضات كبيرة عبر أنطولوجيا إنترنت الأشياء الخاصة بالمجال من حيث التسلسل الهرمي للفئة والتسميات الدلالية وتعريفات خصائص البيانات. كانت هذه التناقضات أكثر وضوحا بين مجموعات بيانات الرعاية الصحية والمنزل الذكي ، مما يدل على معدل عدم تطابق هيكلي بنسبة 28٪. أثبتت حدة تحديد هذه الاختلافات الفرضية الأولية القائلة بأن الافتقار إلى التوحيد القياسي يضعف قابلية التشغيل البيني عبر بيئات إنترنت الأشياء. وكانت حالات عدم التطابق هذه بمثابة عنصر تحكم أساسي لتقييم التحس.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يوضح إطار العمل المطور القائم على التعلم الآلي فعاليته في مواجهة تحديات قابلية التشغيل البيني الدلالي في بيئات إنترنت الأشياء غير المتجانسة. من خلال بروتوكول منظم يدمج النمذجة الدلالية ومحاذاة الأنطولوجيا القائمة على التعلم الآلي ونشر البرامج الوسيطة المستندة إلى السحابة ، حقق النظام دقة عالية في محاذاة الأنطولوجيا وتكاملا متسقا للبيانات عبر الأجهزة المتنوعة.
خطوات البروتوكول الهامة
وهناك عدة خطوات في إطار البروتوكول المقترح ضرورية لنجاحه ا.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعلن المؤلفون أنه ليس لديهم تضارب في المصالح للإبلاغ عن الدراسة الحالية.
لم تتلق هذه الدراسة أي تمويل.
....الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| منصة البرامج الوسيطة المستندة إلى السحابة | مفتوح المصدر / مملوك (على سبيل المثال ، Firebase) | غير متاح | يسهل استيعاب البيانات وتخزينها في الوقت الفعلي. |
| أنطولوجيا المدخلات | المستودعات العامة (على سبيل المثال، LOV) | غير متاح | أنطولوجيا OWL/RDF الخاصة بالمجال لبيئات إنترنت الأشياء. |
| مكتبة التعلم الآلي | مفتوح المصدر (على سبيل المثال ، scikit-learn) | غير متاح | تستخدم للتدريب على نموذج التصنيف الخاضع للإشراف. |
| أداة محاكاة الشبكة | مفتوح المصدر / تجاري (على سبيل المثال ، NetSim) | غير متاح | إنشاء مجموعات بيانات محاكاة غير متجانسة لأجهزة إنترنت الأشياء. |
| برنامج تحرير الأنطولوجيا | مفتوح المصدر (على سبيل المثال ، Prot & eacute; ز é) | غير متاح | تستخدم لتحليل الأنطولوجيا وتحريرها وتصورها. |
| بيئة البرمجة | مفتوح المصدر (على سبيل المثال ، بايثون) | غير متاح | ينفذ نماذج التعلم الآلي ومعالجة البيانات. |
| تدفقات بيانات إنترنت الأشياء الخام | مصادر مجموعة البيانات العامة / المخصصة | غير متاح | ملفات CSV أو JSON التي تحتوي على بيانات جهاز IoT الأولية. |
| ملفات إخراج RDF | تم إنشاؤه أثناء الدراسة | غير متاح | ملفات RDF/XML تمثل بيانات إنترنت الأشياء الغنية دلاليا. |
| مكتبة التحليل الدلالي | مفتوح المصدر (على سبيل المثال ، RDFLib) | غير متاح | يحول بيانات إنترنت الأشياء إلى ثلاثة أضعاف RDF للنمذجة الدلالية. |
| محرك الاستعلام SPARQL | مفتوح المصدر | غير متاح | التحقق من صحة تناسق بيانات RDF باستخدام استعلامات SPARQL. |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.