工业物联网中的深度学习：潜力、挑战与新兴应用
信号处理
2020-08-18 v1
摘要
物联网（IoT）近来的进展正导致互联设备的激增，使各类智能应用成为可能。海量 IoT 设备生成了大规模数据，进一步需要诸如深度学习（DL）等智能数据分析与处理方法。值得注意的是，当 DL 算法应用于工业物联网（IIoT）时，可赋能智能装配、智能制造、高效组网以及事故检测与预防等各类应用。因此，受这些众多应用驱动，本文给出 DL 在 IIoT 中的关键潜力。首先，我们综述各类 DL 技术，包括卷积神经网络、自编码器与循环神经网络及其在不同行业中的使用。接着，我们概述 DL 用于 IIoT 系统的众多用例，包括智能制造、智能计量、智能农业等。此外，我们归类了关于 DL-IIoT 有效设计与恰当实现的若干研究挑战。最后，我们给出若干未来研究方向，以启发并激励该领域的进一步研究。
引用
@article{arxiv.2008.06701,
title = {Deep Learning in Industrial Internet of Things: Potentials, Challenges, and Emerging Applications},
author = {Ruhul Amin Khalil and Nasir Saeed and Yasaman Moradi Fard and Tareq Y. Al-Naffouri and Mohamed-Slim Alouini},
journal= {arXiv preprint arXiv:2008.06701},
year = {2020}
}
备注
Submitted to IEEE Internet of Things Journal