یادگیری ماشین و اینترنت اشیا صنعتی
ترجمه نشده

یادگیری ماشین و اینترنت اشیا صنعتی

عنوان فارسی مقاله: چارچوب های یادگیری ماشین منبع باز برای اینترنت اشیا صنعتی
عنوان انگلیسی مقاله: Open Source Machine Learning Frameworks for Industrial Internet of Things
مجله/کنفرانس: پروسیدیا علوم کامپیوتر – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی فناوری اطلاعات، مهندسی صنایع
گرایش های تحصیلی مرتبط: هوش مصنوعی، اینترنت و شبکه های گسترده، تکنولوژی صنعتی
کلمات کلیدی فارسی: اینترنت اشیا صنعتی، هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، انقلاب صنعتی ۴، منبع باز، چارچوب ها، حسگرها، جریان تانسور
کلمات کلیدی انگلیسی: industrial internet of things; artificial intelligence; machine learning; deep learning; industrial 4. revolution; open source; frameworks; sensors; Tensorflow
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2020.03.127
دانشگاه: Dept. Operation Management and Business Statistics, Sultan Qaboos University, Muscat, P.C.123, Oman
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
ایمپکت فاکتور: 1.257 در سال 2019
شاخص H_index: 47 در سال 2020
شاخص SJR: 0.281 در سال 2019
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 7
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14999
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


۱٫ Introduction


۲٫ Research Background and Motivation


۳٫ Open Source Machine Learning Frameworks and Implementation Process


۴٫ Results and Discussion


۵٫ Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Information and communication technology has revolutionized the industrial operations and productions. The industries irrespective of size, whether small or large, have felt the need of artificial intelligence and machine learning techniques to process the terabytes of data generated through sensors, actuators, industrial management systems, and web applications. These data have the characteristics of volume (terabyte) and variety (image, audio, video, graphics) and thus customized models and techniques are required for analysis and management. The advancement in computer hardware, processing power, storage capacity, and cloud computing have led to experimentation and implementation of machine learning models in industrial domain for resource optimization, operation management, and quality control. However, the industrial Data Analysts face the dilemma of selecting the affordable and easy to use machine learning frameworks that suite their need and expectations. The study investigates the open source machine learning frameworks, aligned with the industrial domain (processing data generated from Industrial Internet of Things), in terms of usage, programming languages, implementations, and future prospects.


Introduction


Machine learning applications are quickly transforming the industrial landscape. Many businesses have reduced the production and operation costs using tools powered by machine learning models and algorithms. The deep learning which is a subset of machine learning has found ways in manufacturing, industrial maintenance, drug discovery, pattern imaging analytics, and software testing [1]. The deep learning a type of deep neural network consisting of layered structure as input layer, hidden layer, and output layer. Industrial Internet of Things (IIoT) is defined as a set of machines, robotics, cognitive technologies, and computers for intelligent industrial operations with the help of data analytics [2]. The Industrial Internet of Things is a part of Industry 4.0 revolution, which is concerned with automation, innovation, big data, and cyber physical systems in industries. The Industrial Internet of Things are showing positive impact in supply chain, transportation, healthcare, manufacturing, oil and gas, energy/utilities, chemical, and aviation industry. The Industrial Internet of Things has helped in controlling and monitoring manufacturing and production from remote locations [3-5]. The Industrial Internet of Things market will reach $123.89 Billion by 2021 [6]. Industrial Internet of Things captures large chunk of data, later used for predictive maintenance, time management, and cost control after machine learning models implementation. The machine learning models forms the core of logistics and supply chain solutions in terms of optimizing the product packet size, delivery vehicle selection, delivery route selection, delivery time computation. For instance DHL uses Amazon’s Kiva robotics (improve speed, accuracy) for the network management.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

یادگیری ماشین و اینترنت اشیا صنعتی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها