MétaCan
Menu
Retour à la cohorte
Enregistrement W4405452781 · doi:10.5267/j.ijdns.2024.9.008

Current developments, applications, challenges and future trends in internet of things: A survey

2024· article· en· W4405452781 sur OpenAlexvenueno aff
Maha Helal

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternet of ThingsCloud computingThe InternetComputer scienceResource (disambiguation)TelecommunicationsComputer securityWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The rapid digitalization in recent years has opened up many technological possibilities, gradually transforming various sectors and society as a whole. This digital shift has enabled advancements in a number of fields, leading to improved resource efficiency, systems and processes. The Internet of Things (IoT) refers to a system of interconnected devices that share information that exchange information with one another via the internet. IoT devices are now everywhere, found in applications ranging from unmanned aerial vehicles to smart home environments, from the Industrial Internet of Things to the Internet of Medical Things. The core concept of IoT revolves around establishing a seamless and intelligent communication ecosystem, facilitating interactions between devices over the internet. This is anticipated to create new opportunities for enhancing services in various societal sectors, such as transportation, farming and smart cities. However, IoT-based networks face limitations and challenges that hinder the realization of their full potential. This paper outlines these challenges and proposes solutions, emphasizing the importance of collaboration and innovation. The paper also anticipates future trends in IoT, particularly the integration of 5G connectivity, cloud computing and AI, and identifies areas for future research to address current challenges and explore new applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,344
Écart entre enseignants0,285 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetIoT and Edge/Fog ComputingTravaux en français237 207