MétaCan
Menu
Retour à la cohorte
Enregistrement W2972841135 · doi:10.1109/iotm.2019.1900008

Cognitive Dynamic System for Future RACE Vehicles in Smart Cities: A Risk Control Perspective

2019· article· en· W2972841135 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Internet of Things Magazine · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer securityControl (management)Perspective (graphical)Risk analysis (engineering)Race (biology)The InternetClass (philosophy)SupervisorCognitionComputer scienceFunction (biology)Cognitive radioBusinessTelecommunicationsPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

As one of the largest applications for the Internet of Things in smart cities, the Internet of Vehicles has attracted increasing attention over the years due to its great potential for reshaping both transportation systems and human society. While connected and autonomous vehicles (CAVs) are currently being developed all over the world, they are unfortunately under various potential threats that could endanger the entire CAV network. In this article, we envision a new class of future vehicles, namely risk-sensitive, autonomous, connected, and electric (RACE) vehicles, to cope with uncertain attacks and potential threats. The safety, security, and privacy issues in CAV networks are identified first. Next, the cognitive dynamic system (CDS) is introduced as the supervisor of RACE vehicles for improving and coordinating multiple vehicle-mounted systems. A special function of CDS, cognitive risk control, is then described in the presence of uncertain threats. Last but not least, we present the future directions and research challenges ahead.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,003
Tête enseignante GPT0,207
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle