UN APPROCCIO DI APPRENDIMENTO AUTOMATICO BAYESIANO PER LE SMART CITY

Le città intelligenti sono uno dei campi di ricerca più attivi al mondo, a causa dei vari vantaggi e delle sfide associate alla loro implementazione. Una sfida importante per le città intelligenti è l'elaborazione e il trasporto degli enormi volumi di dati generati dal livello della rete di sensori, che costituisce il livello fisico fondamentale. La ricerca continua è necessaria per affrontare le sfide computazionali che si presentano negli ambienti delle smart city, in particolare per contribuire a garantire operazioni efficienti intorno al livello dei sensori. Per affrontare questa sfida, viene proposta una nuova struttura del livello fisico che apprende in modo intelligente il comportamento del sistema fisico per consentire agli agenti di controllare efficacemente i sensori e raggiungere gli obiettivi predefiniti dei sensori e dell'ambiente. Inoltre, è stato proposto un nuovo algoritmo di apprendimento bayesiano semi-supervisionato per apprendere e prevedere il comportamento dei sensori e gestire in modo efficiente il consumo di energia nelle case. Il nuovo modello e l'algoritmo sono stati utilizzati in diverse simulazioni, i cui risultati hanno dimostrato la loro efficacia nella gestione dei consumi energetici in diversi ambienti domestici e di smart city.