3、AIoT与数字孪生：技术原理与应用实践

AIoT与数字孪生：技术原理与应用实践

1 AIoT系统的数据处理

1.1 大循环（The Big Loop）

对于一些AIoT系统而言，捕捉代表系统需要处理的所有可能情况的数据颇具挑战。特别是当系统必须应对非常复杂且频繁变化的环境，同时追求高精度或自动化水平时，这一挑战更为显著，例如自动驾驶领域。

为应对系统需处理的众多不同且潜在困难的情况，一些公司正在实施“大循环”策略。这个循环能够持续捕捉系统尚未能处理的新的相关场景，将这些新场景输入机器学习算法进行再训练，并使用新模型更新现场资产。由于这种方法可以处理大量传感器数据，并通过过滤出相关场景使数据更易于管理，因此也被称为大循环。

1.2 数据科学（Data Science）

1.2.1 AIoT数据类别

数据科学家需要干净的数据来构建和训练预测模型。ML数据可以有多种形式，包括文本（如自动纠错）、音频（如自然语言处理）、图像（如光学检查）、视频（如安全监控）、时间序列数据（如电量计量）、事件序列数据（如机器事件），甚至时空数据（描述特定位置和时间段内的现象，如交通预测）。许多ML用例要求对原始数据进行标注，标注可以为ML算法提供额外的上下文信息，如图像分类。

1.2.2 数据集（Data Sets）

在ML项目中，需要数据集来训练和测试模型。数据集是数据的集合，例如一组文件或数据库中的特定表。对于数据库表，表中的行对应数据集的成员，而每一列代表一个特定变量。在准备数据时，可以参考以下问题：
- 数据是否完整？
- 数据是否与用例相关？
- 如果有标注，标注是否一致？
- 偏