AI-powered IoT for Intelligent Systems and Smart Applications
De wederzijds voordelige relatie tussen het internet der dingen (IoT) en kunstmatige intelligentie (AI) maakt ontwrichtende innovaties mogelijk op het gebied van wearables en implanteerbare biomedische apparatuur voor monitoring van de gezondheidszorg; slimme bewakings- en monitoringtoepassingen zoals het gebruik van een autonome drone voor rampenbeheer en reddingsoperaties. Door de samensmelting van AI en IoT kunnen de systemen voorspellend, voorschrijvend en autonoom zijn. Door deze convergentie van AI en IoT evolueert de aard van opkomende toepassingen van assistentie naar augmented en uiteindelijk naar autonome intelligentie. Dit continuüm zal een impact hebben op alle industrieën, gaande van productie, kleinhandel, gezondheidszorg, telecommunicatie en transport, enz. IoT-sensoren zullen de verzameling van een enorme hoeveelheid gegevens mogelijk maken, terwijl AI kan helpen bij het afleiden van intelligentie voor het ontwerpen van slimmere toepassingen voor een slimmere wereld. Bovendien biedt het opkomende 5G-landschap een basis om het volledige potentieel van AI-aangedreven IoT te realiseren. De enorme connectiviteit die 5G biedt, samen met de ultralage latentiecapaciteit, zal wegen openen voor spannende toepassingen in alle verticals.
Dit opkomende tijdperk van AI- en IoT-toepassingen heeft drie hoofdcomponenten (i) slimme apparaten (ii) intelligente systemen van systemen en (iii) end-to-end analytics. Er bestaan tal van uitdagingen bij het implementeren van dergelijke systemen, waaronder algoritmische en ontwerpinnovaties om te voldoen aan Quality of Service-eisen (latentie, bandbreedte, vertraging, enz.); mechanismen om de privacy van IoT-gegevens te behouden en veilige diensten te bieden voor onderling verbonden gebruikers; het bereiken van systemen met hoge prestaties die zowel grote volumes als snelle IoT-gegevens kunnen verwerken door gebruik te maken van Edge AI. Bovendien is er vanuit een toepassingsfront nog steeds behoefte aan het ontwerpen van schaalbare en intelligente IoT-dataoplossingen die beter gebruikmaken van federatief leren en collaborative sensing-concepten voor collectieve intelligentie.
Om de bovengenoemde redenen is dit onderzoeksthema gericht op de inzending van originele en ongepubliceerde onderzoeksartikelen die diepgaande fundamentele onderzoeksbijdragen presenteren, hetzij vanuit theoretisch of methodologisch/toepassingsperspectief, die nieuwe architecturen, algoritmen, systemen, technieken of toepassingen bevatten die nieuwe inzichten en bevindingen bieden op het gebied van AI-aangedreven IoT.
We zoeken inzendingen van hoge kwaliteit die betrekking hebben op (maar niet beperkt zijn tot) een of meer van de volgende onderwerpen:
● IoT data mining platforms en tools
● Machine learning en AI voor IoT data verwerking en analyse
● Edge en fog computing voor IoT data verwerking
● Social Data mining en Computing
● Nieuwe toepassingen voor slimme IoT Services
● Federated learning voor AI-aangedreven IoT-systemen
● Gegevensprivacy en -beveiliging van AI-aangedreven IoT-oplossingen
● Edge AI voor gezondheidsgerichte IoT-systemen en mens-machine-interactie
● Smart Edge IoT-apparaten voor gezondheid, milieu, verkeer en andere industriële toepassingen.
● Streamverwerking voor efficiënte IoT-gegevensverwerking
● 5G geassisteerde IoT-systemen en -toepassingen
● Blockchain geïntegreerd met IoT-diensten
● Contextbewuste systemen
● Meta-Heuristische algoritmen voor IoT en wearable
● Modellering en simulatie van grootschalige IoT-scenario’s en IoT-standaardisatie
Trefwoorden:AI Algoritmen, Edge AI, Adaptive & Predictive Analytics, Internet of Things (IoT), Machine Learning, Stream Processing, Federated Learning, 5G driven IoT Applications
Belangrijke opmerking: Alle bijdragen aan dit Onderzoeksthema moeten binnen het toepassingsgebied vallen van de sectie en het tijdschrift waarbij ze worden ingediend, zoals gedefinieerd in hun taakverklaringen. Frontiers behoudt zich het recht voor om manuscripten die buiten het bestek van de sectie of het tijdschrift vallen, in elk stadium van de peer review naar een geschiktere sectie of tijdschrift te verwijzen.