Using Semantic Modeling to Improve the Processing Efficiency of Big Data in the Internet of Things Domain

Домашня сторінка
→
Фізико-технічні та математичні науки
→
Відділення інформатики
→
Кибернетика и вычислительная техника
→
Сybernetics and computer engineering, 2019
→
Cybernetics and computer engineering, 2019, № 2 (196)
→
Переглянути статтю

Using Semantic Modeling to Improve the Processing Efficiency of Big Data in the Internet of Things Domain

Gladun, A.Ya. ; Rogushina, Yu.V. ; Andrushevich, A.A.

Інші назви: Використання семантичного моделювання для оброблення BIG DATA в домені Інтернету речей
Использование семантического моделирования для обработки BIG DATA в домене интернета вещей

Тема: Informatics and Information Technologies

УДК: 616.89-07-08(035):616-036.82:355.11:355.721

Інший ID: DOI: https:// 10.15407/kvt196.02.027

URI: http://dspace.nbuv.gov.ua/handle/123456789/161747

Посилання: Using Semantic Modeling to Improve the Processing Efficiency of Big Data in the Internet of Things Domain / A.Ya. Gladun, Yu.V. Rogushina, A.A. Andrushevich // Cybernetics and computer engineering. — 2019. — № 2 (196). — С. 27-42. — Бібліогр.: 28 назв. — англ.

Підтримка: The work was prepared in accordance with the thematic plan of scientific research of the Tavria State Agrotechnological University named after D.Motorny (project of applied research at the expense of the State Budget "Theoretical foundation and development of the information system of semantic identification, documentation and processing of the results of non-formal and informal learning).

Дата: 2019

Завантажень: 391

Using Semantic Modeling to Improve the Processing Efficiency of Big Data in the Internet of Things Domain

Анотація:

The purpose of the article is to use deep machine learning, based on convolutional neural networks because this model of machine learning corresponds to processing of unstructured and complex nature of the IoT domain. Results. Proposed approach increases the efficiency of IoT Big Data processing and differs from traditional processing systems by using NoSQL database, distributed architectures and semantic modeling.

Метою статті є використання глибокого машинного навчання, основаного на згорткових нейронних мережах, оскільки ця модель машинного навчання відповідає обробленню неструктурованого та складного домену IoT. Результати. Запропонований підхід підвищує ефективність оброблення великих даних IoT і відрізняється від традиційних систем оброблення за допомоги бази даних NoSQL, розподілених архітектур і семантичного моделювання. Запропоновано використовувати глибоке машинне навчання, що базується на нейронних мережах, пристосованих для неструктурованих даних IoT.Запропоновану концептуальну архітектуру системи оброблення великих даних для IoT описано на прикладі бази даних NoSQL для Smart Home.

Рассмотрена специфика Big Data, которые генерирует технология Интернет вещей, а также представлена методология их обработки семантического моделирования (онтологий) на всех этапах жизненного цикла больших данных. Семантическое моделирование позволяет устранить такие противоречия в технологиях, как гетерогенность устройств и данных. Предлагается использование машинное обучение для анализа Big Data, создаваемых информационной системой умного дома. Предложено использовать глубокое машинное обучение, базирующееся на сверточных нейронных сетях, приспособленных для неструктурированных данных IoT. Представлены новые подходы для обработки больших данных, которые повышают эффективность обработки Big Data в IoT. Представлена концептуальная архитектура системы обработки больших данных для Интернета вещей на примере сгенерированной базы данных NoSQL для умного дома. Данная архитектура состоит из пяти независимых уровней, каждый из которых может использовать семантическое моделирование.

Показати повний запис статті