面向智能物联网服务模型驱动工程的数据分析与机器学习方法、技术及工具
软件工程
2021-06-29 v1 机器学习
摘要
本博士论文提出了一种新方法，以增强物联网（IoT）与智能信息物理系统（CPS）智能服务的开发。所提方法以集成且无缝的方式，为软件工程过程以及数据分析（DA）与机器学习（ML）实践提供抽象与自动化。我们通过扩展一个名为 ThingML 的开源建模工具来实现并验证所提方法。ThingML 是一种面向 IoT/CPS 领域、具备代码生成能力的领域特定语言与建模工具。ThingML 及其他任何 IoT/CPS 建模工具均未在建模层面支持 DA/ML。因此，作为本博士论文的主要贡献，我们为 ThingML 的建模语言增添了关于 DA/ML 方法与技术的必要语法与语义。此外，我们支持多个 ML 库与框架的 API，以自动生成 Python 与 Java 目标软件的源代码。我们的方法支持平台无关模型以及平台特定模型。进一步地，我们通过提供自动化机器学习（AutoML）、在后台（专家模式下）以及在设计时通过模型检验约束与提示，来辅助执行半自动的 DA/ML 任务。最后，我们考虑了来自网络安全、智能能源系统与能源交易市场的三个用例场景。
引用
@article{arxiv.2102.06445,
title = {Data Analytics and Machine Learning Methods, Techniques and Tool for Model-Driven Engineering of Smart IoT Services},
author = {Armin Moin},
journal= {arXiv preprint arXiv:2102.06445},
year = {2021}
}
备注
ICSE Doctoral Symposium Paper