La recolección de datos sensoriales es crucial para los sistemas ciberfísicos. Emplear agentes móviles (MAs) para recolectar datos de sensores ofrece una nueva dimensión para reducir y equilibrar su consumo de energía, pero conlleva a una gran latencia en la recolección de datos debido a la velocidad limitada de los MAs. La mayoría de los esfuerzos de investigación existentes se centran en el MDC offline, donde los MAs recolectan datos de sensores basados en recorridos preoptimizados. Sin embargo, la eficiencia de estas soluciones de MDC offline degrada cuando la generación de datos de los sensores varía. En este documento, investigamos el MDC bajo demanda; es decir, los MAs recolectan datos basados en solicitudes de recolección de datos en tiempo real de los sensores. Específicamente, construimos modelos de colas para describir el MDC basado en la demanda con un solo MA y múltiples MAs, respectivamente, sentando una base teórica. También utilizamos
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Investigación sobre el Modelo del Sistema de Enseñanza de Inteligencia Artificial para la Enseñanza en Línea de Música Clásica con el Apoyo de Redes Inalámbricas.
Artículo:
Modelo de tráfico y estrategia de control de entrada en rampa bajo condiciones de niebla utilizando sistemas difusos T-S.
Artículo:
BEI-TAB: Permitiendo el Seguimiento Seguro y Distribuido de Equipaje en Aeropuertos con un Sistema Híbrido de Blockchain y Borde.
Artículo:
Feature Entropy Estimation (FEE) for Malicious IoT Traffic and Detection Using Machine Learning (Estimación de la entropía de las características (FEE) para el tráfico IoT malicioso y su detección mediante aprendizaje automático)
Artículo:
Interfaz de usuario basada en NFC para entornos inteligentes