AquaIntellect：面向水下物联网连接的语义自学习框架
信号处理
2024-05-14 v1 系统与控制
系统与控制
摘要
非约定物联网（NC IoT）的新兴范式聚焦于信息的实用性，而非高volume数据收集与传输，未来将在人类生活中发挥重要且支配性作用。本文提出一种基于语义的方法，用于应对水下NC IoT所特有的挑战。我们提出一种智能感知策略，通过仔细选择要传输的数据，以探索水下环境的语义，从而最小化冗余，实现最相关数据的传输。我们引入一个演化函数，用于在最小化信息年龄（AoI）的前提下，选择与特定任务相关的语义增强消息，并用于监测水下环境以进行性能优化。一个基于深度神经网络（DNN）的贝叶斯方法集成自适应替代模型优化，将用于确定水下传感器的最优布局策略以及水下景观的不确定性水平。引入自适应期望改进（AEI）机制，以预测最优到达率，从而实现同步的数据感知与传输生态系统，确保效率和时效性。仿真结果表明，所提出的解决方案优于传统方法。
引用
@article{arxiv.2405.07342,
title = {AquaIntellect: A Semantic Self-learning Framework for Underwater Internet of Things Connectivity},
author = {Ananya Hazarika and Mehdi Rahmati},
journal= {arXiv preprint arXiv:2405.07342},
year = {2024}
}