Image Transformation for IoT Time-Series Data: A Review

要約

モノのインターネット (IoT) の時代では、スマートフォン、組み込みシステム、ワイヤレス センサー、およびほぼすべてのスマート デバイスがローカル ネットワークまたはインターネットを通じて接続され、何十億ものスマート モノが相互に通信し、膨大な時間を生成します。
-シリーズデータ。
IoT の時系列データは高次元かつ高頻度であるため、IoT では時系列の分類または回帰が困難な問題となっています。
最近、ディープ ラーニング アルゴリズムは、多くのスマートでインテリジェントな IoT アプリケーションにおける時系列データ分類において優れたパフォーマンス結果を実証しました。
ただし、時系列の隠れた動的なパターンや傾向を調査するのは困難です。
最近の研究では、IoT データを画像に変換すると学習モデルのパフォーマンスが向上することが示されています。
この論文では、IoT 領域で画像変換/符号化技術を使用するこれらの研究のレビューを紹介します。
私たちは、エンコード技術、データ型、応用分野に基づいて研究を調査します。
最後に、イメージ変革の課題と将来の次元について強調します。

要約(オリジナル)

In the era of the Internet of Things (IoT), where smartphones, built-in systems, wireless sensors, and nearly every smart device connect through local networks or the internet, billions of smart things communicate with each other and generate vast amounts of time-series data. As IoT time-series data is high-dimensional and high-frequency, time-series classification or regression has been a challenging issue in IoT. Recently, deep learning algorithms have demonstrated superior performance results in time-series data classification in many smart and intelligent IoT applications. However, it is hard to explore the hidden dynamic patterns and trends in time-series. Recent studies show that transforming IoT data into images improves the performance of the learning model. In this paper, we present a review of these studies which use image transformation/encoding techniques in IoT domain. We examine the studies according to their encoding techniques, data types, and application areas. Lastly, we emphasize the challenges and future dimensions of image transformation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google