Resumen

El número de dispositivos de la Internet de los objetos (IoT) que se conectan a través de Internet es cada vez mayor. La heterogeneidad y la complejidad del IoT en términos de dinamismo e incertidumbre complican este panorama de forma espectacular e introducen vulnerabilidades. Se requiere una gestión inteligente del IoT para mantener la conectividad, mejorar la calidad del servicio (QoS) y reducir el consumo de energía en tiempo real dentro de entornos dinámicos. El aprendizaje automático (ML) desempeña un papel fundamental en la mejora de la QoS, la conectividad y el suministro de aplicaciones inteligentes. Por lo tanto, este estudio se centra en el uso de ML para mejorar las aplicaciones de IoT. También proporcionamos una descripción detallada de la variedad de aplicaciones de IoT que pueden mejorarse utilizando ML, como las ciudades inteligentes, los hogares inteligentes y la atención sanitaria inteligente. Para cada aplicación, presentamos las ventajas del uso de ML. Por último, arrojamos luz sobre los retos de ML para la futura investigación de IoT, y revisamos la literatura actual basada en los trabajos existentes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:aplicación de iot, uso de ml, variedad de iot, investigación futura de iot, gestión de iot, calidad de los servicios, términos de dinamismo, ml, internet de las cosas, número de internet
• Keywords:iot application, use of ml, variety of iot, future iot research, management of iot, quality of services, terms of dynamism, ml, internet of things, number of internet