检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

2 篇 会议

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

2 篇 工学
- 2 篇 电气工程
- 2 篇 计算机科学与技术...
- 1 篇 信息与通信工程

主题

2 篇 iot data compres...
1 篇 internet of thin...
1 篇 efficient data m...
1 篇 deep learning
1 篇 lossy time serie...
1 篇 machine learning
1 篇 storage optimiza...

机构

1 篇 green univ bangl...
1 篇 univ ottawa sch ...
1 篇 nokia bell labs ...

作者

1 篇 liu jinxin
1 篇 kulhandjian mich...
1 篇 djukic petar
1 篇 kantarci burak
1 篇 roy shanto
1 篇 hossain kaium

语言

2 篇 英文

检索条件"主题词=IoT Data Compression"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Deep Dict: Deep Learning-based Lossy Time Series Compressor for iot data 59

Deep Dict: Deep Learning-based Lossy Time Series Compressor ...

引用

59th Annual IEEE International Conference on Communications (IEEE ICC)

作者： Liu, Jinxin Djukic, Petar Kulhandjian, Michel Kantarci, Burak Univ Ottawa Sch Elect Engn & Comp Sci Ottawa ON Canada Nokia Bell Labs Toronto ON Canada

ISBN: (纸本)9781728190549

We propose Deep Dict, a deep learning-based lossy time series compressor designed to achieve a high compression ratio while maintaining decompression error within a predefined range. Deep Dict incorporates two essential components: the Bernoulli transformer autoencoder (BTAE) and a distortion constraint. BTAE extracts Bernoulli representations from time series data, reducing the size of the representations compared to conventional autoencoders. The distortion constraint limits the prediction error of BTAE to the desired range. Moreover, in order to address the limitations of common regression losses such as L1/L2, we introduce a novel loss function called quantized entropy loss (QEL). QEL takes into account the specific characteristics of the problem, enhancing robustness to outliers and alleviating optimization challenges. Our evaluation of Deep Dict across diverse time series datasets from various iot domains reveals that Deep Dict outperforms state-of-the-art lossy compressors in terms of compression ratio by a significant margin by up to 53.66%.

关键词： Internet of Things Machine Learning Deep Learning iot data compression Lossy Time Series Compressor

来源：评论

学校读者我要写书评

暂无评论

A data compression and Storage Optimization Framework for iot Sensor data in Cloud Storage 21

A Data Compression and Storage Optimization Framework for Io...

引用

21st International Conference of Computer and Information Technology (ICCIT)

作者： Hossain, Kaium Roy, Shanto Green Univ Bangladesh Dept Comp Sci & Engn Dhaka 1207 Bangladesh

ISBN: (纸本)9781538692424

The paper presents a multi-layered data compression framework that reduces the amount of data before being stored in cloud. At present, Internet of Things (iot) has gained noticeable attention due to the approaches and advancements towards smart city aspects. With increasing number of devices and sensors connected to the Internet, tremendous amount of data is being generated at every moment which requires volumes of storage space to be stored. However, data compression techniques can reduce the size of the data and the storage requirement by compressing the data more efficiently. In this article we introduced a two layered compression framework for iot data that reduces the amount of data with maintaining minimum error rate as well as avoiding bandwidth wastage. In our proposed data compression scheme, we got an initial compression at the fog nodes by 50% compression ratio and in the Cloud storage we have compressed the data up to 90%. We also showed that the error is varied from the original data by 0% to 1.5% after decompression.

关键词： iot data compression Efficient data management Storage Optimization Framework

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：