Buchumschlag

Driving Intelligent IoT Monitoring and Control through Cloud Computing and Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Hanzhe, Wang, Xiangxiang, Feng, Yuan, Qi, Yaqian, Tian, Jingxiao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Federated Learning and Edge Computing for Recommendation Systems within Cloud Computing Networks
von: Qi, Yaqian, et al.
Veröffentlicht: (2024)

Enhancing IoT Intelligence: A Transformer-based Reinforcement Learning Methodology
von: Rjoub, Gaith, et al.
Veröffentlicht: (2024)

Adaptive Composition of Machine Learning as a Service (MLaaS) for IoT Environments
von: Kanneganti, Deepak, et al.
Veröffentlicht: (2025)

Smart IoT-Based Wearable Device for Detection and Monitoring of Common Cow Diseases Using a Novel Machine Learning Technique
von: Mishra, Rupsa Rani, et al.
Veröffentlicht: (2026)

Detecting High-Potential SMEs with Heterogeneous Graph Neural Networks
von: Qi, Yijiashun, et al.
Veröffentlicht: (2026)

MosquIoT: A System Based on IoT and Machine Learning for the Monitoring of Aedes aegypti (Diptera: Culicidae)
von: Aira, Javier, et al.
Veröffentlicht: (2024)

Shaping the Future of IoT with Edge Intelligence
Veröffentlicht: (2023)

Intelligent Resource Allocation Optimization for Cloud Computing via Machine Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Enhancing IoT Security Against DDoS Attacks through Federated Learning
von: Shirvani, Ghazaleh, et al.
Veröffentlicht: (2024)

(DEMO) Deep Reinforcement Learning Based Resource Allocation in Distributed IoT Systems
von: Li, Aohan, et al.
Veröffentlicht: (2025)

The Fusion of Deep Reinforcement Learning and Edge Computing for Real-time Monitoring and Control Optimization in IoT Environments
von: Xu, Jingyu, et al.
Veröffentlicht: (2024)

Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization
von: Alihodžić, Adis, et al.
Veröffentlicht: (2026)

FedCCA: Client-Centric Adaptation against Data Heterogeneity in Federated Learning on IoT Devices
von: Wang, Kaile, et al.
Veröffentlicht: (2026)

Applications of machine learning and IoT for Outdoor Air Pollution Monitoring and Prediction: A Systematic Literature Review
von: Gryech, Ihsane, et al.
Veröffentlicht: (2024)

Robust Driving Control for Autonomous Vehicles: An Intelligent General-sum Constrained Adversarial Reinforcement Learning Approach
von: Fan, Junchao, et al.
Veröffentlicht: (2025)

Split Knowledge Distillation for Large Models in IoT: Architecture, Challenges, and Solutions
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

DevPiolt: Operation Recommendation for IoT Devices at Xiaomi Home
von: Wang, Yuxiang, et al.
Veröffentlicht: (2025)

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

C3DE: Causal-Aware Collaborative Neural Controlled Differential Equation for Long-Term Urban Crowd Flow Prediction
von: Liu, Yuting, et al.
Veröffentlicht: (2025)

Quantifying Catastrophic Forgetting in IoT Intrusion Detection Systems
von: Banerjee, Sourasekhar, et al.
Veröffentlicht: (2026)

TinyML-Enabled IoT for Sustainable Precision Irrigation
von: Taueatsoala, Kamogelo, et al.
Veröffentlicht: (2026)

IoT Malware Network Traffic Detection using Deep Learning and GraphSAGE Models
von: Prajapati, Nikesh, et al.
Veröffentlicht: (2025)

DTMM: Deploying TinyML Models on Extremely Weak IoT Devices with Pruning
von: Han, Lixiang, et al.
Veröffentlicht: (2024)

Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals
von: Kimura, Tomoyoshi, et al.
Veröffentlicht: (2026)

Foundation Models for CPS-IoT: Opportunities and Challenges
von: Baris, Ozan, et al.
Veröffentlicht: (2025)

LLMs meet Federated Learning for Scalable and Secure IoT Management
von: Otoum, Yazan, et al.
Veröffentlicht: (2025)

VARS-FL: Validation-Aligned Client Selection for Non-IID Federated Learning in IoT Systems
von: Lakas, Mohamed, et al.
Veröffentlicht: (2026)

Hetero-SplitEE: Split Learning of Neural Networks with Early Exits for Heterogeneous IoT Devices
von: Oda, Yuki, et al.
Veröffentlicht: (2025)

QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
von: Herath, Charuka, et al.
Veröffentlicht: (2026)

Couler: Unified Machine Learning Workflow Optimization in Cloud
von: Wang, Xiaoda, et al.
Veröffentlicht: (2024)

DeepFeatIoT: Unifying Deep Learned, Randomized, and LLM Features for Enhanced IoT Time Series Sensor Data Classification in Smart Industries
von: Inan, Muhammad Sakib Khan, et al.
Veröffentlicht: (2025)

Leveraging Machine Learning for Accurate IoT Device Identification in Dynamic Wireless Contexts
von: Tushir, Bhagyashri, et al.
Veröffentlicht: (2024)

Multi-Worker Selection based Distributed Swarm Learning for Edge IoT with Non-i.i.d. Data
von: Yao, Zhuoyu, et al.
Veröffentlicht: (2025)

On the Opportunities of (Re)-Exploring Atmospheric Science by Foundation Models: A Case Study
von: Zhang, Lujia, et al.
Veröffentlicht: (2024)

Open Set Dandelion Network for IoT Intrusion Detection
von: Wu, Jiashu, et al.
Veröffentlicht: (2023)

Combining Cloud and Mobile Computing for Machine Learning
von: Xu, Ruiqi, et al.
Veröffentlicht: (2024)

Recommending Pre-Trained Models for IoT Devices
von: Patil, Parth V., et al.
Veröffentlicht: (2024)

Anomaly Detection and Early Warning Mechanism for Intelligent Monitoring Systems in Multi-Cloud Environments Based on LLM
von: Jin, Yihong, et al.
Veröffentlicht: (2025)

Explainable AI for Securing Healthcare in IoT-Integrated 6G Wireless Networks
von: Kaur, Navneet, et al.
Veröffentlicht: (2025)

Efficient Transformer-based Hyper-parameter Optimization for Resource-constrained IoT Environments
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)