An Edge Computing-Based Complex Event Processing Technique for Sensor-Based Systems
Notice bibliographique
Résumé
Complex Event Processing (CEP) on sensor-based systems often uses a mobile gateway agent to forward raw sensor data streams to a remote back-end server.Complex events that are triggered by multiple raw events are then detected at the back-end server.This approach relies on a persistent network connection between the back-end server and the mobile device.This thesis proposes an edge computing-based mobile CEP technique in which CEP is performed on the mobile edge device using an embedded CEP engine and the detected complex events are sent to the back-end server for further processing.A proof-of-concept prototype for this system has been built using a Siddhi CEP engine and a WSO 2 server.A thorough performance analysis is performed for comparing the proposed system with the back-end server-based system.The proposed system can handle intermittent network disconnections and leads to reduced user cost and energy consumption for the mobile device."No problem can be solved from the same level of consciousness that created it" -Albert EinsteinThe work presented in this dissertation would not have been realized without the assistance of many individuals.I take this opportunity to express my sincere gratitude to everyone who helped me during this journey.Foremost, I would like to thank my supervisors Dr. Shikharesh Majumdar and Dr. Marc St-Hilaire for their continuous guidance, motivation, and feedback throughout the process.Secondly, I would like to thank my parents for providing me with monetary support and moralistic encouragement
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».