6、物联网中基于深度学习的规范性分析

物联网中基于深度学习的规范性分析

1. 分析方法概述

1.1 侦探式分析

侦探式分析主要是收集数据，以诊断在预测性分析中提取的有偏差的值。这有助于在规范性分析中获得有效且准确的结果。

1.2 认知分析

认知分析运用机器学习和人工智能来处理高度复杂的数据。这种方法在识别结构化和非结构化的异构定性数据方面非常强大。它不仅能提取隐藏的知识，还能找出潜在的思想和概念，模拟人类的认知能力和大脑表现。推动认知分析发展的有两个方面：大数据、云计算和其他计算机科学问题的进展有助于从隐藏知识中创造商业价值；认知和神经科学研究领域（如大脑功能、认知过程和模型）的发展也有助于认知分析的改进。

2. 研究方法

2.1 搜索策略

搜索策略从一些通用短语开始，如“规范性分析中的深度学习”“数据分析中的深度学习”“物联网与深度学习”“物联网与数据分析”，以及与智能城市、智能房屋、智能农场、农业、医学、制造业、工厂、车间相关的内容和“深度学习”。在数据分析领域，尤其是预测性分析和深度学习方面，已经有很多相关工作。例如，深度学习可以通过处理教育数据来预测学习成果，从而提高教育质量；深度学习和预测性分析的结合可用于预测拥堵状态、交通负荷和替代路线；深度学习还能基于物联网设备收集的数据预测安全和网络攻击；在农业领域，当从物联网设备收集实时数据时，深度学习有助于做出无偏差且有效的决策，比如根据传感器收集的土壤和温度数据预测土壤灌溉需求。

2.2 数据库搜索

搜索了多个数据库，包括 Science Direct、Springer、Emerald、IEEE，重点关注期刊、会议论文和书籍