دانلود ترجمه مقاله اینترنت اشیای هوشمند: همگرایی سیستم های تعبیه شده و رایانش لبه

1. مقدمه 2. ظهور اینترنت اشیا 3. تحول یادگیری ماشین 4. مبنای اینترنت اشیاء هوشمند 5. کاربردها و دیدگاه های IoIT 6. بحث و بررسی 7. نتیجه گیری

چکیده – پژوهش حاضر، به طور مفصل به بررسی مفهوم نوظهور اینترنت اشیای هوشمند (IoIT) پرداخته و دیدگاهی جامع با محوریت حوزه‌های سیستم‌های تعبیه شده، رایانش لبه و یادگیری ماشین را ارائه می دهد. همچنین با توجه به پیشرفت‌های سریع و فزاینده ای که در این زمینه‌ حاصل شده است، راهکارهای جدیدی نیز برای پرداختن به مسائل رفع نشده قبلی که مستلزم الگوهای تحقیق و توسعه جدید هستند، ارائه گردیده است. از اینرو، پژوهش حاضر به بررسی و رفع برخی از شکاف‌های تحقیقاتی پرداخته و مبنا و اصولی را برای آثار تحقیقاتی پیشرفته به دنبال یک روند فزاینده بر اساس دستگاه‌های تعبیه‌شده با مدل‌های هوش مصنوعی فشرده‌ ارائه می‌دهد. برای تحقق این هدف، پژوهش حاضر در وهله اول به بررسی سیر تکامل دستگاه‌های تعبیه‌شده و فناوری‌های ارتباط بی‌سیم در دهه‌های گذشته که منجر به ظهور برنامه‌های کاربردی اینترنت اشیا در حوزه‌های مختلف شده است، می پردازد. همچنین در پژوهش حاضر، تکامل یادگیری ماشین و کاربردهای آن، چالش‌ها و معماری‌های مرتبط با آن مورد بحث قرار گرفته و مفهوم یادگیری ماشین تعبیه شده (TinyML) در چارچوب الگوی اینترنت اشیاء هوشمند تشریح شده و ویژگی‌ها، فرآیند توسعه و استفاده از نحوه استفاده از چنین راهکارهایی ارائه می شود. همچنین، برای شناسایی جدیدترین آثاری که مدل‌های TinyML را بر روی دستگاه‌های تعبیه شده مختلف پیاده‌سازی کرده‌اند، بررسی جامع و پیشرفته ای نیز صورت گرفته است. همچنین توسعه راهکارهای عملی مورد تحلیل قرار گرفته و در مورد روندهای تحقیقاتی اخیر و دیدگاه‌های آتی به بحث پرداخته می شود. هدف از پژوهش حاضر، مروری جامع در زمینه مقالات اخیر در تمام لایه‌های الگوی اینترنت اشیای هوشمند، بررسی کاربردهای بالقوه و ارائه یک طبقه‌بندی جدید برای هدایت اقدامات توسعه جدید، ارائه دیدگاهی جامع در رابطه با این زمینه تحقیقاتی چالش‌برانگیز و در حال تحول است.

This article comprehensively reviews the emerging concept of Internet of Intelligent Things (IoIT), adopting an integrated perspective centred on the areas of embedded systems, edge computing, and machine learning. With rapid developments in these areas, new solutions are emerging to address previously unsolved problems, demanding novel research and development paradigms. In this sense, this article aims to fulfil some important research gaps, laying down the foundations for cutting-edge research works following an ever-increasing trend based on embedded devices powered by compressed artificial intelligence models. For that, this article first traces the evolution of embedded devices and wireless communication technologies in the last decades, leading to the emergence of IoT applications in various domains. The evolution of machine learning and its applications, along with associated challenges and architectures, is also discussed. In this context, the concept of embedded machine learning (TinyML) is introduced within the context of the Internet of Intelligent Things paradigm, highlighting its unique characteristics and the process of developing and deploying such solutions. Furthermore, we perform an extensive state-of-the-art survey to identify very recent works that have implemented TinyML models on different off-the-shelf embedded devices, analysing the development of practical solutions and discussing recent research trends and future perspectives. By providing a comprehensive literature review across all layers of the Internet of Intelligent Things paradigm, addressing potential applications and proposing a new taxonomy to guide new development efforts, this article aims to offer a holistic perspective on this challenging and rapidly evolving research field.