사물인터넷(IoT)은 스마트 장치가 네트워크로 연결되어 지능형 생태계를 생성할 수 있는 미래지향적인 기술입니다. 그럼에도 불구하고, 변화하는 환경을 처리할 수 있도록 지능형 네트워크를 자율적이고 적응 가능하게 설계해야 합니다. 본 연구 논문에서는 IoT 기반 네트워크에서 적응성과 자율성을 향상시키기 위한 최근 메커니즘을 검토합니다. 인공지능, 기계 학습 및 엣지 컴퓨팅 기술을 활용하여 실시간 IoT 네트워크에서 의사결정 및 자원 활용을 향상시키는 새로운 아키텍처를 제시합니다. 우리가 제안한 아키텍처는 실시간 데이터 처리, 적응형 통신 및 자가 적응 알고리즘을 기반으로 하여 확장 가능하고 안정적인 네트워크를 제공하는 것을 목표로 합니다. 이 연구에서 사용된 통계는 실제 산업 및 가정 환경에서 수행된 IoT 애플리케이션으로부터의 것으로, 센서 데이터(모션, 온도, 습도), 네트워크 성능 메트릭(지연 시간, 대역폭), 시스템 성능 통계(응답 시간, 에너지 소비) 등이 포함되어 있으며, 6개월 동안 200개 이상의 IoT 노드에서 500,000개 이상의 샘플이 수집되었습니다. Python과 Matplotlib을 활용한 실험 결과는 기존 방법에 비해 네트워크 성능, 신뢰성 및 자원 활용이 향상되었음을 보여줍니다. 이 연구는 새로운 상황에 효과적으로 적응하고 다양한 환경 간의 원활한 통합을 제공할 수 있는 미래의 자율 IoT 네트워크 개발에 대한 귀중한 통찰을 제공합니다.
Maheswari et al. (Sat,)은 이 질문을 연구했습니다.