シームレスなデータ交換のための機械学習ベースのフレームワークを使用した標準化されたIoTオントロジーに向けて

Simmi Chawla; Parul Tomar; Sapna Gambhir

doi:10.3791/68635

このコンテンツを表示するには、JoVEへの購読が必要です。または、無料トライアルをお申し込みください。

研究記事

シームレスなデータ交換のための機械学習ベースのフレームワークを使用した標準化されたIoTオントロジーに向けて

929 回視聴

⸱

DOI:

10.3791/68635

⸱

2025年10月7日

Simmi Chawla¹ , Parul Tomar¹ , Sapna Gambhir²

¹Department of Computer Engineering, J. C. Bose University of Science & Technology, YMCA Faridabad, ²Department of Computer Science, George Mason University

この記事について

サマリー

この研究では、リアルタイムのIoTオントロジーアライメントのための機械学習ベースのフレームワークを提示し、異種システム間でのシームレスなデータ交換を可能にします。このアプローチは、セマンティックモデリングと適応最適化を統合することで、相互運用性を強化し、遅延を短縮し、高精度を実現します。実際の設定で検証されており、スケーラブルで標準化された IoT 統合ソリューションを提供します。

要約

モノのインターネット (IoT) デバイスの異種性の増大により、リアルタイムの相互運用性とシームレスなデータ交換を実現する上で大きな課題が生じています。既存の IoT エコシステムは、多くの場合、多様なデータモデル、通信プロトコル、セマンティック表現を使用して動作するため、統合が妨げられる断片化されたシステムが生じます。この問題に対処するために、標準化された適応型IoT統合のために、機械学習ベースのオントロジーアライメントを採用した統一フレームワークを提案します。この研究の指針となる仮説は、セマンティックモデリングとインテリジェントな最適化技術を組み合わせることで、異種 IoT 環境間でのデータ交換の一貫性と効率を大幅に向上させることができるというものです。提案されたフレームワークは、リアルタイムのデータストリーム処理、セマンティック類似性分析、および適応型オントロジーマッピングを統合して、デバイスオントロジーを動的に調整します。スマートホームやヘルスケアシステムなどのシミュレートされた現実世界の環境を使用して、フレームワークは、精度、遅延、相互運用性率などの主要なパフォーマンス指標に対してテストされました。その結果、提案手法は97%という高いオントロジーアライメント精度を達成し、遅延を20ms未満に短縮し、多様なデバイスタイプ間で95%以上の相互運用性を維持することが実証されました。この調査結果は、機械学習アルゴリズムとセマンティックモデリングの統合により、IoT システムのパフォーマンス、スケーラビリティ、適応性が大幅に向上することが確認されています。このフレームワークは、セマンティックな不整合にうまく対処し、手動介入なしで動的なデバイスオンボーディングをサポートします。この調査では、IoT の相互運用性のための堅牢でスケーラブルなソリューションを提示し、進化するデバイスやデータ標準に適応できるリアルタイムのインテリジェントなオントロジー調整を提供します。この取り組みは、さまざまなアプリケーション間で標準化され、効率的かつ自動化された通信をサポートできる次世代 IoT アーキテクチャの開発に貢献します。

概要

モノのインターネット(IoT)は、ヘルスケア、スマートシティ、農業、産業オートメーションなどの多様な領域で動作するさまざまな異種デバイスを接続し、スマート環境のコアインフラストラクチャに急速に進化しています^1,2,3。これらのデバイスは大量のデータを生成し、意味のある通信を行うために意味論的理解に依存しています⁴^、⁵^、⁶^、⁷。しかし、標準化されたセマンティック構造の欠如は、シームレスなデータ交換に対する主要な障壁として浮上しています 8,9,10,11,12。多様なオントロジー、さまざまなプロトコル、一貫性のないデータモデルにより相互運用性が制限され、デバイスがリアルタ....