industrial internet of things
PulseAugur coverage of industrial internet of things — every cluster mentioning industrial internet of things across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
时间序列数据库提升机器人和自动化实时传感器数据处理能力
时间序列数据库正在增强机器人和工业自动化应用的传感器数据实时处理能力。解决工业物联网（IIoT）部署中运营技术（OT）与信息技术（IT）之间的集成挑战，对于有效的基础设施至关重要。
-
AI入侵检测模型无法跨工控物联网网络泛化
arXiv上发表的一项新研究强调了专为工控物联网（IIoT）网络设计的轻量级机器学习模型的入侵检测方面存在严重的泛化失败问题。研究人员发现，在一个IIoT数据集上训练的模型在评估不同、结构不同的数据集时表现不佳，即使在使用受限的特征集的情况下也是如此。分析显示，这些模型严重依赖粗粒度的端口类别特征，这些特征在不同网络环境中充当了捷径，而不是可靠的指标。该研究强调，需要根据真实的类别分布进行跨网络评估，以准确评估部署就绪情况，因为仅凭域…
-
新方法赋能隐私敏感型物联网应用的边缘人工智能
一篇新论文介绍了一种直接在物联网网关上设计神经网络的方法，从而为隐私敏感型应用实现基于边缘的机器学习。这种方法无需将数据发送到云端即可创建定制的、对硬件友好的神经网络，这对于医疗物联网和工业物联网等领域尤其有利。在 Visual Wake Words 数据集上的实验表明，该方法可以在树莓派 Zero 2 上于 10 小时内实现最先进的结果。
-
中国计划到2028年将人工智能整合到电信基础设施中
中国工业和信息化部（MIIT）发布了新的三年规划（2026-2028年），重点关注将人工智能与信息通信技术相结合。该计划旨在推进人工智能驱动的创新，涉及5G-A/6G、下一代光网络和工业互联网等领域。主要目标包括开发智能移动通信空口、自感知网络和天基计算网络，目标是到2028年在智能网络运营和服务方面达到国际先进水平。
-
新框架利用大语言模型和联邦学习增强工业物联网网络
研究人员开发了一个名为 FEIBN 的新框架，以改进工业物联网环境中的意图驱动网络。该框架利用大语言模型将用户意图转化为网络策略，并采用联邦学习进行分布式策略评估。一个关键组成部分是策略相似性感知联邦学习机制 (SSAFL)，它通过选择相关节点和实现异步模型更新来优化训练，从而提高准确性、加快收敛速度并降低通信成本。
-
强化学习优化TSCH网络，降低功耗和延迟
研究人员开发了RL-ASL，一个旨在优化时分信道跳频（TSCH）网络中监听时隙的强化学习框架。这种自适应方法根据实时网络条件动态决定激活或跳过监听时段，旨在降低工业物联网（IIoT）环境中的功耗。实验表明，RL-ASL在保持高可靠性和显著降低延迟的同时，可将功耗降低高达46%。