The Neural Knowledge DNA Based Smart Internet of Things - Publikacja - MOST Wiedzy


The Neural Knowledge DNA Based Smart Internet of Things


ABSTRACT The Internet of Things (IoT) has gained significant attention from industry as well as academia during the past decade. Smartness, however, remains a substantial challenge for IoT applications. Recent advances in networked sensor technologies, computing, and machine learning have made it possible for building new smart IoT applications. In this paper, we propose a novel approach: the Neural Knowledge DNA based Smart Internet of Things that enables IoT to extract knowledge from past experiences, as well as to store, evolve, share, and reuse such knowledge aiming for smart functions. By catching decision events, this approach helps IoT gather its own daily operation experiences, and it uses such experiences for knowledge discovery with the support of machine learning technologies. An initial case study is presented at the end of this paper to demonstrate how this approach can help IoT applications become smart: the proposed approach is applied to fitness wristbands to enable human action recognition.


  • 0


  • 0

    Web of Science

  • 0


Autorzy (7)

Cytuj jako

Pełna treść

pobierz publikację
pobrano 4 razy
Wersja publikacji
Accepted albo Published Version
Copyright (2020 Taylor & Francis Group, LLC)

Słowa kluczowe

Informacje szczegółowe

Publikacja w czasopiśmie
artykuły w czasopismach
Opublikowano w:
CYBERNETICS AND SYSTEMS nr 51, strony 258 - 264,
ISSN: 0196-9722
Rok wydania:
Opis bibliograficzny:
Zhang H., Li F., Wang J., Wang Z., Shi L., Sanin C., Szczerbicki E.: The Neural Knowledge DNA Based Smart Internet of Things// CYBERNETICS AND SYSTEMS -Vol. 51,iss. 2 (2020), s.258-264
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1080/01969722.2019.1705545
Bibliografia: test
  1. Al-Ali, A. R. , Zualkernan, I. A. , Rashid, M. , Gupta, R. , & Alikarar, M. . (2018). A smart home energy management system using iot and big data analytics approach. IEEE Transactions on Consumer Electronics, 63(4), 426-434. otwiera się w nowej karcie
  2. Burton, L., Dave, N., Fernandez, R. E., Jayachandran, K., & Bhansali, S. (2018). Smart gardening iot soil sheets for real-time nutrient analysis. Journal of The Electrochemical Society, 165(8), B3157-B3162. otwiera się w nowej karcie
  3. Gubbi, J. , Buyya, R. , Marusic, S. , & Palaniswami, M. . (2013). Internet of things (iot): a vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7), 1645-1660. otwiera się w nowej karcie
  4. Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436. otwiera się w nowej karcie
  5. Lin, J., Yu, W., Zhang, N., Yang, X., Zhang, H., & Zhao, W. (2017). A survey on internet of things: architecture, enabling technologies, security and privacy, and applications. IEEE Internet of Things Journal, 4(5), 1125-1142. otwiera się w nowej karcie
  6. Lokshina, I. , & Lanting, C. . (2019). A Qualitative Evaluation of IoT-Driven eHealth: Knowledge Management, Business Models and Opportunities, Deployment and Evolution. Hicss. otwiera się w nowej karcie
  7. Mohammadi, M. , & Al-Fuqaha, A. . (2018). Enabling cognitive smart cities using big data and machine learning: approaches and challenges. IEEE Communications Magazine, 56(2), 94-101. otwiera się w nowej karcie
  8. Sanin, C. , Haoxi, Z. , Shafiq, I. , Waris, M. M. , Caterine, S. D. O. , & Szczerbicki, E. . (2018). Experience based knowledge representation for internet of things and cyber physical systems with case studies. Future Generation Computer Systems, S0167739X17316965. otwiera się w nowej karcie
  9. Sharma, N. , Singh, K. , & Goyal, D. P. . (2012). Is technology universal panacea for knowledge and experience management? answers from indian it sector. Communications in Computer & Information Science, 285, 187-198. otwiera się w nowej karcie
  10. Siddiqui, I. F. , Qureshi, N. M. F. , Shaikh, M. A. , Chowdhry, B. S. , Abbas, A. , & Bashir, A. K. , et al. (2018). Stuck-at fault analytics of iot devices using knowledge-based data processing strategy in smart grid. Wireless Personal Communications. otwiera się w nowej karcie
  11. Siow, E. , Tiropanis, T. , & Hall, W. . (2018). Analytics for the internet of things: a survey. Acm Computing Surveys, 51(4). otwiera się w nowej karcie
  12. Siryani, J., Tanju, B., & Eveleigh, T. J. (2017). A machine learning decision-support system improves the internet of things' smart meter operations. IEEE Internet of Things Journal, 4(4), 1056-1066. otwiera się w nowej karcie
  13. Tsai, C. W., Lai, C. F., Chiang, M. C., & Yang, L. T. (2014). Data mining for internet of things: a survey. IEEE Communications Surveys & Tutorials, 16(1), 77-97. otwiera się w nowej karcie
  14. Wu, S. , Rendall, J. B. , Smith, M. J. , Zhu, S. , Xu, J. , & Wang, H. , et al. (2017). otwiera się w nowej karcie
  15. Survey on prediction algorithms in smart homes. IEEE Internet of Things Journal, 4(3), 636-644. otwiera się w nowej karcie
  16. Zhang, H., Sanin, C., & Szczerbicki, E. (2016). Towards neural knowledge dna. Journal of Intelligent & Fuzzy Systems, 32(2), 1575-1584. otwiera się w nowej karcie
Politechnika Gdańska

wyświetlono 29 razy

Publikacje, które mogą cię zainteresować

Meta Tagi