Sensoriamento semântico assistido por dados inteligente com incorporação profunda variacional

Este artigo propõe uma estrutura de sensoriamento inteligente para plataformas de Internet das Coisas, onde as medições dos sensores surgem de múltiplas causas. Sensores são selecionados de forma seletiva para coleta de dados a fim de identificar a causa com medições parciais. Utilizamos incorporação profunda variacional, um modelo generativo capaz de agrupamento e geração, para identificar causas, agrupar medições de acordo, e determinar causas para estimar medições completas a partir de dados parciais. Estas estimativas auxiliam na seleção eficiente de sensores para coleta de dados. Os resultados demonstram sensoriamento precoce e confiável da causa e estimativa completa das medições utilizando a estrutura proposta.