Loading...
14 results
Search Results
Now showing 1 - 10 of 14
- Hypermedia APIs for the Web of ThingsPublication . Martins, Jaime; Mazayev, Andriy; Correia, NoéliaThe Web of Things is a new and emerging concept that defines how the Internet of Things can be connected using common Web technologies, by standardizing device interactions on upper-layer protocols. Even for devices that can only communicate using proprietary vendor technologies, upper-layer protocols can generally provide the necessary contact points for a high degree of interoperability. One of the major development issues for this new concept is creating efficient hypermedia-enriched application programming interfaces (APIs) that can map physical Things into virtual ones, exposing their properties and functionality to others. This paper does an in-depth comparison of the following six hypermedia APIs: 1) the JSON Hypertext Application Language from IETF; 2) the Media Types for Hypertext Sensor Markup from IETF; 3) the Constrained RESTful Application Language from IETF'; 4) the Web Thing Model from Evrythng; 5) the Web of Things Specification from W3C; and 6) the Web Thing API from Mozilla.
- A solution for a real-time stochastic capacitated vehicle routing problem with time windowsPublication . Cardoso, Pedro J. S.; Schütz, Gabriela; Mazayev, Andriy; Ey, Emanuel; Corrêa, TiagoReal-time distribution planning presents major difficulties when applied to large problems. Commonly, this planning is associated to the capacitated vehicle routing problem with time windows (CVRPTW), deeply studied in the literature. In this paper we propose an optimization system developed to be integrated with an existing Enterprise Resource Planning (ERP) without causing major disruption to the current distribution process of a company. The proposed system includes: a route optimization module, a module implementing the communications within and to the outside of the system, a non-relational database to provide local storage of information relevant to the optimization procedure, and a cartographic subsystem. The proposed architecture is able to deal with dynamic problems included in the specification of the project, namely: arrival of new orders while already optimizing as well as locking and closing of routes by the system administrator. A back-office graphical interface was also implemented and some results are presented.
- GACN: Self-clustering genetic algorithm for constrained networksPublication . A. Martins, J.; Mazayev, Andriy; Correia, Noélia; Schutz, G.; Barradas, A.Extending the lifespan of a wireless sensor network is a complex problem that involves several factors, ranging from device hardware capacity (batteries, processing capabilities, and radio efficiency) to the chosen software stack, which is often unaccounted for by the previous approaches. This letter proposes a genetic algorithm-based clustering optimization method for constrained networks that significantly improves the previous state-of-the-art results, while accounting for the specificities of the Internet engineering task force, Constrained RESTful Environment (CoRE), standards for data transmission and specifically relying on CoRE interfaces, which fit this purpose very well.
- Resource design in constrained networks for network lifetime increasePublication . Correia, Noélia; Mazayev, Andriy; Schutz, G.; A. Martins, J.; Barradas, A.As constrained "things" become increasingly integrated with the Internet and accessible for interactive communication, energy efficient ways to collect, aggregate, and share data over such constrained networks are needed. In this paper, we propose the use of constrained RESTful environments interfaces to build resource collections having a network lifetime increase in mind. More specifically, based on existing atomic resources, collections are created/designed to become available as new resources, which can be observed. Such resource design should not only match client's interests, but also increase network lifetime as much as possible. For this to happen, energy consumption should be balanced/fair among nodes so that node depletion is delayed. When compared with previous approaches, results show that energy efficiency and network lifetime can be increased while reducing control/registration messages, which are used to set up or change observations.
- Deep PC-MAC: a deep reinforcement learning pointer-critic media access protocolPublication . Al-Tam, Faroq; Mazayev, Andriy; Correia, Noélia; Rodriguez, J.Developing artificial intelligence (AI) solutions for communication problems is one of the hottest topics nowadays. This article presents Deep PC-MAC, a novel deep reinforcement learning (DRL) solution to solve the fair coexistence problem (FCP) between heterogeneous nodes in the unlicensed bands. It is based on a hybrid architecture between pointer networks (Ptr-nets) and advantage actor-critic (A2C), i.e., pointer-critic architecture. The proposed model allows base stations to fairly share unlicensed bands with incumbent nodes. It jointly protects the incumbent nodes from spectrum starvation and improves key-performance indicators (KPIs). Deep PC-MAC is trained from scratch with zero-knowledge about FCP and experimental results demonstrate its efficiency when compared to a baseline method.
- Attention-based model and deep reinforcement learning for distribution of event processing tasksPublication . Mazayev, Andriy; Al-Tam, Faroq; Correia, NoéliaEvent processing is the cornerstone of the dynamic and responsive Internet of Things (IoT). Recent approaches in this area are based on representational state transfer (REST) principles, which allow event processing tasks to be placed at any device that follows the same principles. However, the tasks should be properly distributed among edge devices to ensure fair resources utilization and guarantee seamless execution. This article investigates the use of deep learning to fairly distribute the tasks. An attention-based neural network model is proposed to generate efficient load balancing solutions under different scenarios. The proposed model is based on the Transformer and Pointer Network architectures, and is trained by an advantage actorcritic reinforcement learning algorithm. The model is designed to scale to the number of event processing tasks and the number of edge devices, with no need for hyperparameters re-tuning or even retraining. Extensive experimental results show that the proposed model outperforms conventional heuristics in many key performance indicators. The generic design and the obtained results show that the proposed model can potentially be applied to several other load balancing problem variations, which makes the proposal an attractive option to be used in real-world scenarios due to its scalability and efficiency.
- Interoperability in IoT through the semantic profiling of objectsPublication . Mazayev, Andriy; Martins, Jaime; Correia, NoéliaThe emergence of smarter and broader people-oriented IoT applications and services requires interoperability at both data and knowledge levels. However, although some semantic IoT architectures have been proposed, achieving a high degree of interoperability requires dealing with a sea of non-integrated data, scattered across vertical silos. Also, these architectures do not fit into the machine-to-machine requirements, as data annotation has no knowledge on object interactions behind arriving data. This paper presents a vision of how to overcome these issues. More specifically, the semantic profiling of objects, through CoRE related standards, is envisaged as the key for data integration, allowing more powerful data annotation, validation, and reasoning. These are the key blocks for the development of intelligent applications.
- Radio Resource Scheduling with Deep Pointer Networks and Reinforcement LearningPublication . Al-Tam, Faroq; Mazayev, Andriy; Correia, Noélia; Rodriguez, J.This article presents an artificial intelligence (AI) adaptable solution to handle the radio resource scheduling (RRS) task in 5G networks. RRS is one of the core tasks in radio resource management (RRM) and aims to efficiently allocate frequency domain resources to users. The proposed solution is an advantage pointer critic (APC) deep reinforcement learning (DRL) agent. It is built with a deep pointer network architecture and trained by the policy gradient algorithm. The proposed agent is deployed in a system level simulator and the experimental results demonstrate its adaptability to network dynamics and efficiency when compared to baseline algorithms.
- Semantic web thing architecturePublication . Mazayev, Andriy; Martins, Jaime; Correia, NoéliaAs the Internet of Things evolves and matures, the number of connected devices and the amount of generated data grows exponentially. Integrative standards and API design patterns are required to deal with this fast growth, while easing machine to machine communication and promoting ubiquitous computing. This paper discusses the W3C Web of Things model that is currently in the process of standardization, and presents our overview and implementation of this model.
- Route planning in wireless sensor networks for data gathering purposesPublication . Mazayev, Andriy; Correia, Noélia; Schütz, GabrielaAs redes de sensores têm vindo a ganhar importância em vários setores da nossa sociedade, sendo a aplicação mais visível a monitorização ambiental. Estas redes têm inúmeras aplicações que vão desde a detecção de fogos, medições do nível de emissões de radiação, detecções de danos estruturais e muito mais, sendo capazes de fazer medições de forma sistemática, e possibilitando desta forma, tomar decisões antecipadas e, assim, evitar acidentes que podem custar vidas humanas. O envio de dados recolhidos pelos sensores é tradicionalmente feito através de múltiplos saltos (multi hop). Este método baseia-se na passagem dos dados de dispositivo para dispositivo, através da infraestrutura da rede, permitindo que a informação viage desde a fonte até ao destino graças à passagem dos dados entre elementos vizinhos. Para encontrar a forma mais eficiente e rápida de fazer chegar a informação ao destino foram propostos, e estão disponíveis na literatura, vários algoritmos que tentam garantir o uso eficaz dos recursos da rede durante o envio dos dados. No entanto, nem mesmo os algoritmos mais eficientes são capazes de resolver um problema inerente a esta arquitectura: a entrega dos dados está dependente de vários elementos intermediários. Para além disso, o próprio meio ambiente em que as redes de sensores são utilizadas pode ser um obstáculo durante a comunicação. Possíveis acidentes tais como fogos ou desabamentos podem danificar os canais de comunicação e, desta forma, tornar uma rede de sensores inutilizável. As desvantagens presentes na abordagem clássica de recolha de dados levou os investigadores a procurarem outras alternativas. Estudos recentes têm mostrado que a utilização de elementos móveis em redes de sensores sem fio pode reduzir drasticamente o consumo de energia neste tipo de redes e, assim, prolongar o seu tempo de vida. As abordagens mais recentes no processo de recolha dos dados numa rede de sensores têm recaído sobre o veículo aéreo não tripulado, frequentemente conhecido como drone. Embora estes elementos sejam mais velozes do que os elementos móveis terrestres, e devido à sua natureza que permite a sua utilização numa vasta gama de situações, há um pequeno número de estudos sobre a eficácia da sua utilização. Ao contrário da abordagem multi salto, onde os algoritmos procuram caminhos eficientes dentro da própria infraestrutura de rede, a abordagem que envolve elementos móveis necessita de algoritmos que criem caminhos para os próprios elementos móveis. O processo de desenho e criação das rotas é conhecido por problema de recolha de dados (Data Gathering Problem). O problema de recolha de dados a ser resolvido nesta tese pode ser descrito como o processo de criação de caminhos para um conjunto de veículos aéreos não tripulados que têm de recolher dados alojados nos sensores. Terão que ser considerados os seguintes aspectos: Janelas temporais de cada sensor. Intervalo de tempo em que o drone tem que visitar o sensor em causa; Volume dos dados a serem enviados pelos sensores; Tempo de vida útil dos dados. Intervalo de tempo máximo permitido para que a informação seja entregue no destino; Conjunto de veículos aéreos. Cada veículo aéreo tem a sua capacidade de memória, isto é, limite máximo da quantidade de dados que um drone é capaz de recolher. O processo de criação dos caminhos tem que respeitar todas as restrições temporais dos sensores e, ao mesmo tempo, terá que ser minimizada a distância necessária para recolher os dados de todos os sensores. A utilização dos veículos aéreos não tripulados é uma abordagem recente e, talvez por isso, ainda não ganhou a merecida atenção. Como tal, de momento, não existem standards de medição de desempenho de diferentes algoritmos capazes de resolver este tipo de problemas. Nesta tese, tentamos preencher esta lacuna propondo um padrão de medição de desempenho que pode ser utilizado por todos. São apresentadas duas formalizações matemáticas do problema, uma genérica que pode ser utilizada em vasta gama de situações com semelhantes restrições e uma formalização estendida que representa o problema a ser resolvido nesta tese. A formalização genérica permite, identificar este problema com o do encaminhamento de veículos com janelas temporais (Vehicle Routing Problem with Time Windows). É feita ainda uma análise aprofundada de algumas classes de algoritmos já existentes que podem ser úteis na resolução deste tipo de problemas. Heurísticas construtivas, de melhoramento e meta-heurísticas são introduzidas e alguns dos seus principais métodos são discutidos. Com base estes métodos foi desenvolvida uma heurística híbrida capaz de criar caminhos eficientes não só para o problema recolha de dados numa rede de sensores mas também capaz de resolver o problema de encaminhamento de veículos. A heurística apresentada é baseada em três etapas de optimização. A primeira, pré-optimização, que com base nos dados de entrada, cria uma boa solução parcial que será utilizada nos passos seguintes. A segunda fase, designada por optimização, que recebe a solução parcial criada no passo anterior, é responsável pela construção de uma solução inicial que satisfaça todas as restrições de entrada. A última fase, pós-optimização, que recebe como dado de entrada a solução obtida durante a optimização, através de uma combinação de métodos tanto determinísticos como não determinísticos explora de forma eficiente o espaço de procura em busca da melhor solução. Para medir o desempenho da heurística híbrida desenvolvida nesta tese foi feito um extensivo conjunto de testes considerando de redes de sensores de várias dimensões, redes com 25, 50, 75 e 100 sensores, e diferentes níveis de restrições temporais. Os resultados obtidos mostram que o algoritmo proposto é capaz de resolver o problema de recolha de dados de forma bastante eficiente apresentando, para a maioria dos conjuntos de dados e para diferentes intervalos de prazos de entrega, um alto grau de certeza relativamente à qualidade da solução.