Agent-based IoT applications have recently been proposed in several domains, such as health care, smart cities and agriculture. Deploying these applications in specific settings has been very challenging for many reasons including the complex static and dynamic variability of the physical devices such as sensors and actuators, the software application behavior and the environment in which the application is embedded. In this paper, we propose a self-configurable IoT agent approach based on feedback-evaluative machine-learning. The approach involves: i) a variability model of IoT agents; ii) generation of sets of customized agents; iii) feedback evaluative machine learning; iv) modeling and composition of a group of IoT agents; and v) a feature-selection method based on manual and automatic feedback.

Bản dịch tiếng Việt:

Sự xuất hiện của Mạng vạn vật (IoT) đã dẫn đến việc phát triển một loại phần mềm mới đòi hỏi sự cấu hình động và tự thích ứng cao. Các Tác nhân IoT, đóng vai trò là phần mềm trung gian giữa thiết bị vật lý và các ứng dụng cấp cao hơn, đặc biệt dễ bị ảnh hưởng bởi tính biến thiên này do sự đa dạng của các thiết bị được kết nối. Bài viết này trình bày một cách tiếp cận dựa trên học máy để xử lý tính biến thiên này. Khung làm việc đề xuất hỗ trợ phát triển các ứng dụng IoT dựa trên Tác nhân bằng cách nắm bắt rõ ràng các tính biến thiên phức tạp và năng động của chúng, đồng thời hỗ trợ tự cấu hình dựa trên cách tiếp cận nhận thức ngữ cảnh và học máy.

Document Ready

Click below to load the full PDF document natively.