Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Natural Language Understanding for Multi-Level Distributed Intelligent Virtual Sensors
Malmö universitet, Internet of Things and People (IOTAP). Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT).
Mirado Consulting, 11144 Stockholm, Sweden.
Axis Communications, 22369 Lund, Sweden.
2020 (Engelska)Ingår i: IoT, E-ISSN 2624-831X, Vol. 1, nr 2, s. 494-505Artikel i tidskrift, Letter (Övrigt vetenskapligt) Published
Abstract [en]

In this paper we address the problem of automatic sensor composition for servicing human-interpretable high-level tasks. To this end, we introduce multi-level distributed intelligent virtual sensors (multi-level DIVS) as an overlay framework for a given mesh of physical and/or virtual sensors already deployed in the environment. The goal for multi-level DIVS is two-fold: (i) to provide a convenient way for the user to specify high-level sensing tasks; (ii) to construct the computational graph that provides the correct output given a specific sensing task. For (i) we resort to a conversational user interface, which is an intuitive and user-friendly manner in which the user can express the sensing problem, i.e., natural language queries, while for (ii) we propose a deep learning approach that establishes the correspondence between the natural language queries and their virtual sensor representation. Finally, we evaluate and demonstrate the feasibility of our approach in the context of a smart city setup.

Ort, förlag, år, upplaga, sidor
MDPI, 2020. Vol. 1, nr 2, s. 494-505
Nyckelord [en]
internet of things, virtual sensing, deep learning, natural language understanding
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:mau:diva-64577DOI: 10.3390/iot1020027Scopus ID: 2-s2.0-85150518252OAI: oai:DiVA.org:mau-64577DiVA, id: diva2:1820898
Tillgänglig från: 2023-12-19 Skapad: 2023-12-19 Senast uppdaterad: 2023-12-19Bibliografiskt granskad

Open Access i DiVA

fulltext(1163 kB)21 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1163 kBChecksumma SHA-512
5ccd9182f9082395bae50a35e18dbfa1b61cf15f3747818403b351c048c48899e95f7d068242edbdfeae9ca6e2d1353872600b1afe7e7b76eb141fa1e2e273cb
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Mihailescu, Radu-Casian

Sök vidare i DiVA

Av författaren/redaktören
Mihailescu, Radu-Casian
Av organisationen
Internet of Things and People (IOTAP)Institutionen för datavetenskap och medieteknik (DVMT)
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 21 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 100 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf