Smart systems: A review of theory, applications, and recent advances
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.
Notice bibliographique
Résumé
Rapid technological advancements have permeated numerous professional fields, transforming mundane tasks and complex operations alike, with examples evident in smart cities, healthcare, and various industries. As a result, a significant surge in the literature concerning smart systems is observed, as is the rise of pragmatic implementations of such systems. In this comprehensive survey paper, we decompose the cumulative smart system architecture into five fundamental components, namely: control, perception, knowledge, communication, and security. Inspired by the underlying notions of cognitive dynamics theory, each component is discussed in detail and categorized, thoroughly detailing necessary concepts and functionality. To add, we discuss the state of the art with respect to each of these components and the most impactful applications of smart systems. From this, gaps in smart systems literature can be identified, where future work is proposed to rectify shortcomings in published methods. This work therefore has foremost utility to those investigating smart systems from an academic standpoint, with the goal of examining the smart system taxonomy and the most modern methods. In addition to further defining the smart system framework, our analysis concluded that the most increasingly researched, and most important components in advancing smart systems applications are knowledge and security. Primarily, this is motivated by aspirations towards safe, adaptive, and robust data-driven autonomy in large scale systems. We conclude that blockchain, IoT, and machine learning protocols and technologies are continuously developing topics that will be essential in smart system advancement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle