Learning sensors usage patterns in mobile context-aware systems
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
FedCSIS : Federated Conference on Computer Science and Information Systems : September 8–11, 2013, Kraków, Poland
Data publikacji
2013
ISBN
978-1-4673-4471-5
Wydawca
IEEE
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Learning sensors usage patterns in mobile context-aware systems
Rok publikacji
2013
Strony (od-do)
993--998
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.4
Hasło encyklopedyczne
Autorzy
(liczba autorów: 3)
Pozostali autorzy
+ 1
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
FedCSIS
Nazwa konferencji
Federated Conference on Computer Science and Information Systems
Początek konferencji
2013-09-08
Koniec konferencji
2013-09-11
Lokalizacja konferencji
Kraków
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
INSPEC
Streszczenia
Język
EN
Treść
Context-aware mobile systems have gained a remarkable popularity in recent years. Mobile devices are equipped with a variety of sensors and become computationally powerful, which allows for real-time fusion and processing of data gathered by them. However, most of existing frameworks for context-aware systems, are usually dedicated to static, centralized architectures, and those that were designed for mobile devices, focus mainly on limited resources in terms of CPU and memory, which in nowadays world is no longer a big issue. Mobile platforms require from the context modelling language and inference engine to be simple and lightweight, but on the other hand - to be powerful enough to allow not only solving simple context identification tasks but also more complex reasoning. These, with combination of a large number of sensors and CPU power available on mobile devices result in high energy consumption of a system. The original contribution of this paper is a proposal of an intelligent middleware 14 mobile context-aware frameworks, that is able to learn sensor usage habits, and minimize energy consumption of the system.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:076786