“sensör ağları” için sonuçlar
5 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka ile Hava Durumu Verilerine Değer Biçme: Yeni Teşvik Sistemi
Büyük ölçekli hava durumu sensör ağları, bireylerin katkılarını sürdürmek için teşvik sistemlerine ihtiyaç duyar. Ancak her bir veri katkısının ağa ne kadar değer katacağını belirlemek karmaşık bir sorundur. Araştırmacılar, bu soruna yapay zeka tabanlı hava durumu modelleri kullanarak çözüm getirdi. Geliştirilen sistem, sensör verilerinin değerini gradient tabanlı atıf yöntemleriyle hesaplayarak, katılımcılara adil ödeme yapılmasını sağlıyor. 400'den fazla konfigürasyon ile test edilen sistem, sensör yerleşiminde neredeyse optimal sonuçlar veriyor ancak kötü niyetli girişlere karşı savunmasız kalabiliyor. Bu çalışma, meteoroloji alanında veri katkılarının değerlendirilmesi için yeni bir yaklaşım sunarak, katılımcı hava gözlem ağlarının sürdürülebilirliğini artırmayı hedefliyor.
Yapay zeka için yeni veri formatı: ONTO ile %50 token tasarrufu
Araştırmacılar, büyük dil modellerinin veri işleme maliyetlerini yarıya indiren yeni bir veri formatı geliştirdi. ONTO adlı bu format, geleneksel JSON formatının tekrarlı yapısını ortadan kaldırarak token kullanımını %46-51 oranında azaltıyor. 1000 IoT sensör verisinin JSON formatında 80 bin token gerektirdiği durumda, ONTO formatı yaklaşık 40 bin token ile aynı bilgiyi aktarabilmekte. Bu yenilik, yapay zeka sistemlerinin operasyonel verileri daha verimli işlemesini sağlayarak hem maliyet hem de performans açısından önemli avantajlar sunuyor. Özellikle büyük ölçekli veri işleme gerektiren IoT sistemleri, sensör ağları ve endüstriyel uygulamalar için kritik bir gelişme olarak değerlendiriliyor.
Yeni algoritma sensör verilerinin güncellik sorununu çözüyor
Araştırmacılar, farklı boyutlarda veri üreten sensörler için yeni bir zamanlama algoritması geliştirdi. Modern IoT sistemlerinde sensörler küçük durum paketlerinden büyük veri dosyalarına kadar çeşitli güncellemeler gönderiyor. Bu durum, hangi sensörün öncelikli olarak veri göndermesi gerektiği konusunda karmaşık bir optimizasyon problemi yaratıyor. Yeni geliştirilen Lagrange indeks tabanlı yaklaşım, restless multi-armed bandit teorisini kullanarak sensör verilerinin güncellik seviyesini (Age of Information) minimize etmeyi hedefliyor. Algoritma, kesintisiz veri aktarımı gerektiren sistemlerde mevcut yöntemlere kıyasla tutarlı performans artışları sağlıyor.
Yapay Zeka Sensör Olmayan Noktalardaki Trafiği Tahmin Edebiliyor
Araştırmacılar, tüm yollarda sensör bulunmasa bile trafik durumunu tahmin edebilen yeni bir yapay zeka modeli geliştirdi. MoGERNN adlı bu sistem, kısıtlı sayıda sensörden aldığı verilerle gözlemlenmeyen lokasyonlardaki trafik yoğunluğunu başarıyla öngörebiliyor. Geleneksel trafik tahmin sistemleri her ilgi noktasında sensör bulunmasını gerektirirken, bu yaklaşım maliyet sorunu nedeniyle pratikte mümkün değil. Yeni model, graf tabanlı öğrenme teknikleriyle farklı bölgelerin trafik özelliklerini analiz ediyor ve uzmanlaşmış tahmin bileşenleri kullanıyor. Sistem aynı zamanda sensör ağında yapılan değişikliklere karşı dayanıklı, bu sayede yeni sensör eklendiğinde veya çıkarıldığında yeniden eğitim gerektirmiyor. Bu gelişme, akıllı trafik yönetim sistemleri için önemli bir adım sayılıyor.
Ağ Arızalarına Karşı Dayanıklı Çoklu-Ajan Sistemleri İçin Yeni Algoritma
Araştırmacılar, birbirini etkileyebilen sistemlerde iletişim hatalarına rağmen ne kadar sürede uzlaşmaya varılacağını hesaplayan LiFE-CD algoritmasını geliştirdi. Bu yenilik, drone sürüleri, otonom araçlar ve sensör ağları gibi çoklu-ajan sistemlerinin güvenilirliğini artırmaya yönelik önemli bir adım. Algoritma, mevcut yaklaşımların aksine simülasyon gerektirmeden, ağ yapısı ve bağlantı hata olasılıklarından yola çıkarak kesin sonuçlar üretebiliyor. Bu sayede sistemlerin belirli zaman dilimlerinde çalışma garantileri verilebilecek.