Cognitive Internet of Things: A Review of Theory, Applications, and Recent Advances
Notice bibliographique
Résumé
With the development of increasingly interconnected cyber-physical systems (CPSs), the Internet of Things (IoT) paradigm must be expanded further to account for the collection, transmission, and processing of unprecedented amounts of data in uncertain and changing environments. Cognitive Internet of Things (CIoT) introduces a paradigm shift in IoT systems by integrating the engineering perspective of cognition, as formulated in cognitive dynamic systems (CDS), into traditional IoT frameworks. This survey systematically examines how CIoT leverages the five pillars of cognition: perception, attention, memory, language, and intelligence, to enable context-aware, autonomous, and adaptive functionality. We trace the evolution from standard IoT architectures to this cognitively enriched model, detailing how data acquisition and storage, combined with enabling technologies such as data fusion, reinforcement learning, cognitive communications (via cognitive radios), and the integration of foundation models and large language models (LLMs), facilitate advanced data analytics and introduce a new intelligent layer for deeper contextual understanding and adaptation. By emphasizing the synergy between CDS principles and emerging technologies, the paper demonstrates how CIoT can address longstanding challenges in scalability, interoperability, and resource management. Through a critical evaluation of current limitations and lessons learned, we offer a forward-looking perspective on how these cognitively inspired frameworks can further enhance intelligent IoT ecosystems. Ultimately, this work serves as a foundational resource for aligning IoT systems with the engineering-driven notion of cognition, guiding future research and innovation in autonomous, scalable IoT environments.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».