机器学习对于物联网来说是什么地位
|
人们一直在热烈讨论大数据和人工智能等技术的机遇和威胁，并对它们的未来表示担忧。与此同时，公司希望通过安装越来越多的传感器，来提高效率降低成本。然而，InData实验室的机器学习顾问表示，如果没有适当的数据管理和分析策略，这些技术只会产生更多噪音，填满更多服务器。而不会发挥它们的实际潜力。有没有办法将简单的传感器录音转换为可操作的行业见解?
简单的答案是肯定的，它在于机器学习(ML)中。 机器学习能力 ML的范围是模仿人类大脑处理输入以产生逻辑响应的方式。如果人们依赖学习、培训或经验，机器就需要一个算法。此外，随着我们每个人的知识储备增多，我们会调整我们的反应，变得更加熟练并开始有选择地应用。在机器中复制这种自我调节行为是ML开发的终点。 为了便于学习，计算机将显示原始数据，并尝试使其更有意义。随着它的发展，它变得越来越有经验，产生越来越复杂的反馈。 物联网的挑战 在物联网(IoT)的广泛领域里，我们可以找到从智能手机到智能冰箱，再到监控工业流程的传感器等各种产品。 然而，至少有四个与物联网实施相关的基本问题需要解决：
为什么将机器学习用于物联网? 机器学习是物联网领域的合适解决方案，至少有两个主要原因。首先是数据量和自动化机会有关。第二个与预测分析有关。 数据分析自动化 让我们以汽车传感器为例。当汽车行驶时，传感器记录下成千上万的数据点，这些数据点需要实时处理，以防止事故发生，并为乘客提供舒适。人工分析师无法为每辆车执行这样的任务，因此自动化是唯一的解决方案。 通过机器学习，车辆的中央计算机可以了解危险情况，例如速度和摩擦参数，这可能对驾驶员有害，并且当场使用安全系统。 ML的预测能力 回到汽车的例子，物联网的真正力量不仅在于检测当前的危险，还在于识别更为普遍的模式。例如，系统可以了解轮流过紧或有平行停车困难的驾驶员，并通过在这些事项上提供额外指导来帮助他或她。 ML对于物联网最有用的特性是它可以检测异常值和异常活动，并触发必要的红旗。随着它对一种现象的了解越来越多，它变得更加准确和有效。一个很好的例子是谷歌对其HVAC系统所做的，显著降低了能源消耗。 最后但并非最不重要的是，还有机会创建模型，通过确定导致特定结果的因素，非常准确地预测未来事件。这提供了一个玩输入和控制结果的机会。 它应该如何工作? 至关重要的是要理解，当物联网系统依赖于人类输入时，它可能会失败。它需要机器学习的支持才能成为一个完全一致的系统，可以抵御人为错误。 在一个相互关联的世界中，人类错误很快就会被算法纠正。这有助于通过反馈机制优化整个过程。系统的预测组件可以识别正确的输入以获得预期的输出。 当由ML提供支持时，物联网可以在个人层面上完美地工作，这样您就不会在例如集体层面上弄乱您的早晨例程。后一种情况可以通过相互连接的汽车来说明，这些汽车可以相互通信并执行动态重新路由以避免交通拥堵。 从大数据到智能数据 “更聪明，更努力”的建议非常适合管理物联网生成的数据并将其转化为有用的见解。虽然大数据都是为了克服3v带来的挑战，但智能数据可以参考：
在这两种情况下，机器学习的附加价值在于它可以获取智能数据并使ML模型更快，更准确地工作。
（编辑：西双版纳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
