Questo studio ha esaminato molteplici sfide e problemi aperti nel campo della gestione e analisi dei big data industriali basate sull’IoT sostenibile in ambienti cloud, in particolare, gli aspetti e le sfide derivanti dai campi degli scenari di apprendimento automatico delle infrastrutture cloud, delle tecniche di intelligenza artificiale dell’IoT industriale basato Analisi BD in ambienti cloud e sistemi cloud di apprendimento federati. Considerando che l’apprendimento per rinforzo è una nuova tecnica che consente ai data center di grandi dimensioni come i data center cloud di influenzare un’allocazione delle risorse più efficiente dal punto di vista energetico, gli autori propongono un’architettura che tenta di combinare le funzionalità offerte da diversi fornitori di cloud per emergere e ottenere un framework di gestione dei big data industriale basato sull’IoT (EEIBDM) a efficienza energetica stabilito al di fuori di ogni utente nell’ambiente cloud. Di conseguenza, l’obiettivo principale di questo studio è la formulazione di vari aspetti della questione dell’allocazione delle risorse, considerata dallo scenario di apprendimento per rinforzo, mentre si interagisce con l’ambiente cloud per raggiungere una decisione ottimale. Per raggiungere questo obiettivo, gli autori propongono un algoritmo per erogare il consumo energetico della CPU attraverso la valutazione del framework EEIBDM. durante l’interazione con l’ambiente cloud per ottenere una decisione ottimale. Per raggiungere questo obiettivo, gli autori propongono un algoritmo per erogare il consumo energetico della CPU attraverso la valutazione del framework EEIBDM. durante l’interazione con l’ambiente cloud per ottenere una decisione ottimale. Per raggiungere questo obiettivo, gli autori propongono un algoritmo per erogare il consumo energetico della CPU attraverso la valutazione del framework EEIBDM.

Come caso di studio per il futuro, gli autori intendono incorporare gli aspetti di sicurezza e privacy nel framework di sistema proposto per ottenere un ambiente di gestione e analisi basato su cloud efficiente e sicuro dal punto di vista energetico basato sull’IoT industriale, con l’aiuto di tecniche innovative di rinforzo e federazione apprendimento. Pertanto, questo quadro proposto potrebbe essere utilizzato in luoghi come ospedali, scuole e archivi di cause legali per avere un ambiente più sicuro, oltre all’ambiente più efficiente dal punto di vista energetico. Queste sono le direzioni future che estendono la proposta degli autori e pianificano di essere indagate nella ricerca futura.

DIDASCALIA
Ogni diverso tipo di utente può utilizzare le infrastrutture cloud dei vari provider cloud cooperativi tramite EEIBDM, che offre tre vantaggi principali:1) allocazione delle risorse efficiente dal punto di vista energetico,2) gestore/analizzatore di data center e 3) monitoraggio delle risorse dell’infrastruttura cloud. 
Ciascun tipo di utente può accedere al framework del sistema tramite PC, laptop, dispositivi mobili, ecc. e dispone della stessa tipologia di accesso per quanto riguarda i permessi concessi per accedere all’infrastruttura cloud.
CREDITO
Beijing Zhongke Journal Publishing Co. Ltd.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi