.png){kind=icon}
返回
Big data analytics - enabled cyber-physical system: model and applications
.png){kind=icon}
PRE
AI
DOI：10.1108/IMDS-10-2018-0445.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的-本文的目的是提出一个综合框架，用于将大数据分析 (BDA) 集成到网络物理系统 (CPS) 解决方案中。该框架提供了广泛的功能，包括数据收集，智能数据预处理，智能数据挖掘和智能数据可视化。设计/方法-从大数据处理的角度出发，CPS的体系结构设计有网络层，物理层和通信层。BDA模型已集成到CPS中，使管理人员能够做出合理的决策。研究结果-所提出的BDA模型的有效性已通过两个实际案例得到证明，即电网能量输出的预测和航空发动机剩余使用寿命的估计。该方法可用于控制电源系统，并帮助工程师维护或更换航空发动机，以维护飞机的安全。原创性/价值-连接网络层和物理层的通信层是在CPS中设计的。从通信层，冗余的原始数据可以被转换成智能数据。数据收集，数据预处理，数据存储，数据挖掘和数据可视化的所有必要功能都可以有效地集成到BDA模型中，以用于CPS应用程序。这些发现表明，CPS中提出的BDA模型可以用于不同的环境和应用。
Keyword:
Big data analytics
Big data processing
Communication layer
Cyber-physical system
Smart data
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
4.7
论文数:
2.4K
被引数:
8.8K
机构
引用论文
Early-stage malware prediction using recurrent neural networks基于递归神经网络的早期恶意软件预测.png)
COMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏Twitter mining for ontology-based domain discovery incorporating machine learning结合机器学习的基于本体的领域发现的Twitter挖掘
PREAI
分享收藏Prediction of full load electrical power output of a base load operated combined cycle power plant using machine learning methods使用机器学习方法预测基本负荷运行的联合循环电厂的满负荷电功率输出
PREAI
分享收藏Performance and reliability improvement of cyber-physical systems subject to degraded communication networks through robust optimization通过鲁棒优化改善受降级通信网络影响的信息物理系统的性能和可靠性
PREAI
分享收藏Classifying medical relations in clinical text via convolutional neural networks通过卷积神经网络对临床文本中的医学关系进行分类OAAI
OAAI分享收藏
查看更多内容