這些設(shè)備可以是任何東西，從工業(yè)機械監(jiān)控、天氣和空氣質(zhì)量監(jiān)控系統(tǒng)、安全攝像頭到智能恒溫器和冰箱，再到可穿戴健身追蹤器。隨著物聯(lián)網(wǎng)設(shè)備數(shù)量的增加，它們生成的數(shù)據(jù)量也在增加。這種數(shù)據(jù)的典型應(yīng)用是提高被監(jiān)控系統(tǒng)的性能和效率，并深入了解用戶的行為和偏好。

然而，龐大的數(shù)據(jù)量使得收集和分析這些數(shù)據(jù)具有挑戰(zhàn)性。此外，大量數(shù)據(jù)可能會淹沒通信信道以及邊緣設(shè)備上有限的功率和處理量。這就是自適應(yīng)采樣技術(shù)發(fā)揮作用的地方。這些技術(shù)可以減少工作量，最大化資源利用率要求，并提高數(shù)據(jù)的準(zhǔn)確性和可靠性。

適應(yīng)性抽樣

自適應(yīng)采樣技術(shù)根據(jù)器件的特定需求或目標(biāo)系統(tǒng)的變化來“調(diào)整”采樣或傳輸頻率。例如，假設(shè)一臺設(shè)備使用有限的數(shù)據(jù)計劃、低功耗電池或計算受限平臺。

示例:

• 當(dāng)溫度快速變化時，溫度監(jiān)控傳感器可以更頻繁地收集數(shù)據(jù)，而當(dāng)溫度保持穩(wěn)定時，可以不太頻繁地收集數(shù)據(jù)。
• 當(dāng)視野中有活動時，安全攝像機以更快的幀速率或更高的分辨率捕捉圖像。
• 當(dāng)空氣顆粒測量儀發(fā)現(xiàn)空氣質(zhì)量惡化時，它會提高采樣速率。
• 自動駕駛汽車不斷感知環(huán)境，但可能會將特殊的邊緣情況發(fā)送回中央服務(wù)器，以便發(fā)現(xiàn)邊緣情況。

取樣的內(nèi)容和地點

您對資源利用率的預(yù)期改進(jìn)將指導(dǎo)我們在何處以及何處進(jìn)行采樣。有兩個實施采樣的站點:At尺寸或者播送.

測量時取樣:

• 邊緣設(shè)備將僅在算法(運行在邊緣設(shè)備或服務(wù)器上)認(rèn)為合適時進(jìn)行測量(或更新測量頻率)。
• 降低功耗和計算量。
• 定期提高網(wǎng)絡(luò)帶寬利用率。

傳輸時采樣:

• 邊緣設(shè)備持續(xù)進(jìn)行測量，并使用本地運行的某種算法進(jìn)行處理。如果樣本是高熵的，上傳數(shù)據(jù)到云/服務(wù)器。
• 測量時的功率和計算不受影響。
• 降低網(wǎng)絡(luò)帶寬利用率。
• 識別重要和有用的數(shù)據(jù)

我們經(jīng)常聽到“數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)”這個詞但是所有的數(shù)據(jù)都是平等的嗎?不完全是。當(dāng)數(shù)據(jù)帶來信息時，它是最有用的。這是真的，甚至對于大數(shù)據(jù)公認(rèn)的數(shù)據(jù)饑渴型應(yīng)用程序。舉個例子，機器學(xué)習(xí)和統(tǒng)計系統(tǒng)都需要“高質(zhì)量”的數(shù)據(jù)，而不僅僅是大量數(shù)據(jù)。

那么我們?nèi)绾握业礁哔|(zhì)量的數(shù)據(jù)呢?熵!

熵

熵是不確定度的測量在系統(tǒng)中。用更直觀的解釋，熵是系統(tǒng)中“信息”的度量。例如，具有恒定值或恒定變化率(比如溫度)的系統(tǒng)。在最佳工作條件下，沒有新的信息。每次取樣時，您都會得到預(yù)期的測量值;這就是低熵。

另一方面，如果溫度“嘈雜地”或“出乎意料地”變化，系統(tǒng)中的熵就高;有新的有趣的信息。變化越出人意料，熵就越大，這個度量就越重要。

當(dāng)出現(xiàn)概率‘p(x)’較低時，熵較高，反之亦然。測量概率為1(我們真的期望會發(fā)生的事情)產(chǎn)生0熵，這是正確的。

這一原則“信息價值”是自適應(yīng)采樣的核心。

一些先進(jìn)的技術(shù)

所有自適應(yīng)技術(shù)的基本邏輯流程是:

自適應(yīng)濾波方法:

這些方法對測量值應(yīng)用濾波技術(shù)，以估計下一時間步的測量值。

這些可能是FIR(有限脈沖響應(yīng))或IIR(無限脈沖響應(yīng))技術(shù)，如:

• 加權(quán)移動平均(通過概率或指數(shù)處理可以更有表現(xiàn)力)
• 基于滑動窗口的方法
• 它們的復(fù)雜度相對較低，但是可能具有重要的內(nèi)存占用來緩沖過去的測量。
• 需要少量數(shù)據(jù)進(jìn)行配置。

卡爾曼濾波方法:

• 卡爾曼濾波器效率高，占用內(nèi)存少。
• 它們可能相對復(fù)雜且難以配置，但如果調(diào)整得當(dāng)，效果會很好。
• 需要少量數(shù)據(jù)進(jìn)行配置。

機器學(xué)習(xí)方法:

• 利用過去收集的數(shù)據(jù)，我們可以建立機器學(xué)習(xí)模型來預(yù)測被觀察系統(tǒng)的下一個狀態(tài)。
• 這些更復(fù)雜，但也概括得很好。
• 根據(jù)任務(wù)和復(fù)雜程度，訓(xùn)練可能需要大量數(shù)據(jù)。

主要優(yōu)勢

• 提高效率:通過從可用數(shù)據(jù)的子集收集和分析數(shù)據(jù)，物聯(lián)網(wǎng)設(shè)備可以減少工作負(fù)載和資源需求。這有助于提高效率和性能，并降低數(shù)據(jù)收集、分析和存儲成本。
• 更高的精度:通過選擇最有可能提供最有價值或信息量最大的數(shù)據(jù)源，自適應(yīng)采樣技術(shù)有助于提高數(shù)據(jù)的準(zhǔn)確性和可靠性。這對于根據(jù)數(shù)據(jù)做出決策或采取行動特別有用。
• 更大的靈活性:自適應(yīng)采樣技術(shù)允許物聯(lián)網(wǎng)設(shè)備適應(yīng)數(shù)據(jù)源或數(shù)據(jù)本身的變化。這對于部署在動態(tài)或不斷變化的環(huán)境中的設(shè)備尤其有用，在這些環(huán)境中，數(shù)據(jù)可能會隨時間而變化。
• 降低后處理復(fù)雜性:通過從可用數(shù)據(jù)源的子集收集和分析數(shù)據(jù)，自適應(yīng)采樣技術(shù)有助于降低數(shù)據(jù)的復(fù)雜性，使其更易于理解和分析。這對于處理能力或存儲容量有限的設(shè)備或團隊來說尤其有用數(shù)據(jù)科學(xué)/工程資源。

潛在的限制

• 選擇偏差:通過選擇數(shù)據(jù)的子集，自適應(yīng)采樣技術(shù)可能將選擇偏差引入數(shù)據(jù)。如果模型和系統(tǒng)是針對特定類型的數(shù)據(jù)進(jìn)行訓(xùn)練的，而這些數(shù)據(jù)并不代表整個數(shù)據(jù)群體，則會出現(xiàn)這種情況，從而導(dǎo)致不準(zhǔn)確或不可靠的結(jié)論。
• 采樣誤差:取樣過程中存在出錯的風(fēng)險，這會影響數(shù)據(jù)的準(zhǔn)確性和可靠性。這些錯誤可能是由于不正確的采樣程序、樣本量不足或非最佳配置造成的。
• 資源限制:自適應(yīng)采樣技術(shù)可能需要額外的處理能力、存儲容量或帶寬，而這些可能并非所有技術(shù)都具備物聯(lián)網(wǎng)設(shè)備。這可能會限制特定設(shè)備或特定環(huán)境中的自適應(yīng)采樣技術(shù)。
• 運行時復(fù)雜性:自適應(yīng)采樣技術(shù)可能涉及機器學(xué)習(xí)算法或其他復(fù)雜過程的使用，這會增加數(shù)據(jù)收集和分析過程的復(fù)雜性。對于處理能力或存儲容量有限的設(shè)備來說，這可能是一個挑戰(zhàn)。

變通辦法

• 分階段部署:不要在所有設(shè)備上部署抽樣方案，而是在小型但有代表性的測試組上部署。然后，來自這些組的“采樣”數(shù)據(jù)可以針對更廣泛的數(shù)據(jù)集進(jìn)行分析，以發(fā)現(xiàn)偏差和域不匹配。同樣，這可以分階段反復(fù)完成，確保我們的系統(tǒng)永遠(yuǎn)不會有很大偏差。
• 取樣技術(shù)的組合:不同的器件可以配備略有不同的采樣技術(shù)，從樣本大小和窗口到不同的算法。當(dāng)然，這增加了后處理的復(fù)雜性，但它考慮了采樣誤差和選擇偏差。
• 資源約束和運行時復(fù)雜性很難緩解。不幸的是，這是實現(xiàn)更好的采樣技術(shù)的代價。
• 最后，測試，測試，更多的測試。