Une Approche Baysienne de l'Apprentissage Automatique Pour Les Villes Intelligentes

Les villes intelligentes sont l'un des domaines de recherche les plus actifs au monde, en raison des divers avantages et défis associés à leur mise en uvre. L'un des principaux défis pour les villes intelligentes est le traitement et le transport des énormes volumes de données générés par la couche du réseau de capteurs, qui constitue la couche physique fondamentale. Des recherches permanentes sont nécessaires pour relever les défis informatiques qui se posent dans les environnements des villes intelligentes, en particulier pour assurer des opérations efficaces autour de la couche des capteurs. Pour relever ce défi, un nouveau cadre de couche physique est proposé, qui apprend intelligemment le comportement du système physique pour permettre aux agents de contrôler efficacement les capteurs et d'atteindre les objectifs prédéfinis en matière de capteurs et d'environnement. En outre, un nouvel algorithme d'apprentissage bayésien semi-supervisé est proposé pour apprendre et prédire les comportements des capteurs afin de gérer efficacement la consommation d'énergie dans les maisons. Le nouveau modèle et l'algorithme ont été utilisés dans diverses simulations, dont les résultats ont démontré leur efficacité dans la gestion de la consommation d'énergie dans différents environnements domestiques et de villes intelligentes.