物联网中的通信学习：有限资源与异构性

为实现物联网（IoT）的无缝部署，需要自组织解决方案来克服关键的物联网挑战，包括数据处理、资源管理、与现有无线网络的共存以及改进的物联网范围事件检测。应对这些挑战最有前景的解决方案之一是利用创新的学习框架，使物联网设备能够在动态环境中自主运行。然而，为物联网开发学习机制需要应对物联网在资源约束、异构性和严格服务质量要求方面的独特特性。本文介绍了多种适用于物联网应用的新兴学习框架。特别研究了机器学习、序贯学习和强化学习的优势、局限性、物联网应用及关键结果。针对每种学习类型，讨论了其计算复杂度、所需信息和学习性能。然后，为处理物联网的异构性，引入了一个基于认知层次理论强大工具的新框架。该框架被证明能有效捕捉不同的物联网设备类型以及物联网设备间不同的可用资源水平。具体而言，物联网设备的不同资源能力被映射到认知层次理论中的不同理性水平，从而使物联网设备能够根据其可用资源使用不同的学习框架。最后，给出了在物联网中使用认知层次理论的关键结果。