IEEE Access Special Section Editorial: Collaboration for Internet of Things
Notice bibliographique
Résumé
The network of objects/things embedded with electronics, software, sensors, and network connectivity, Internet of Things (IoT), creates many exciting applications (e.g., smart grids, smart homes, and smart cities) by enabling objects/things to collect and exchange data so that they can be sensed and controlled. To fulfill IoT, one essential step is to connect various objects/things (e.g., mobile phones, cars, and buildings) so that they can “talk” to each other (i.e., collect and exchange data). However, substantial case studies show that simply connecting them without further collaboration among the objects/things when “talking” to each other leads to unnecessary energy consumption, uncertain security, unstable performance, etc., for IoT. Therefore, collaboration for IoT is very important. Specifically, there are a lot of critical issues to consider in terms of how to achieve robust collaboration among the objects/things for IoT. For instance, how to conduct collaboration among the objects/things so that more energy-efficient communication can be achieved for IoT? How to conduct collaboration among the objects/things so that computing with higher performance can be achieved for IoT? How to improve the security of IoT with collaboration among the objects/things? How to enhance the Quality of Service of IoT with collaboration among the objects/things? How to minimize the overhead costs when objects/things are collaborating in IoT?
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,017 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,015 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».