Anomaly Detection and Complex Event Processing Over IoT Data Streams: With Application to eHealth and Patient Data Monitoring

تشخیص ناهنجاری و پردازش رویداد پیچیده از طریق جریان‌های داده اینترنت اشیا: با کاربرد در سلامت الکترونیک و پایش داده‌های بیمار تکنیک‌های پردازش پیشرفته‌ای را برای جریان‌های داده اینترنت اشیا و الگوریتم‌های تشخیص ناهنجاری روی آنها ارائه می‌دهد. این کتاب پیشرفت‌های جدید و تکنیک‌های تعمیم‌یافته را برای پردازش جریان‌های داده اینترنت اشیا، غنی‌سازی داده‌های معنایی با اطلاعات متنی در Edge، Fog و Cloud و همچنین پردازش رویدادهای پیچیده در برنامه‌های کاربردی اینترنت اشیا به ارمغان می‌آورد. این کتاب شامل مدل‌های اساسی، مفاهیم و الگوریتم‌ها، معماری‌ها و راه‌حل‌های تکنولوژیکی و همچنین کاربرد آن‌ها در سلامت الکترونیک است. مطالعات موردی، مانند پردازش جریان سیگنال‌های بیومتریک ارائه شده است - مقدار عظیمی از سیگنال‌های ECG خام از حسگرها به صورت پویا در سراسر خط لوله پردازش می‌شوند و با رویکردهای یادگیری ماشین مدرن از جمله الگوریتم‌های حافظه زمانی سلسله مراتبی و یادگیری عمیق طبقه‌بندی می‌شوند. /span>

این کتاب راه‌حل‌های تطبیقی ​​برای پردازش جریان اینترنت اشیا را مورد بحث قرار می‌دهد که می‌تواند به موارد استفاده مختلف از زمینه‌های مختلف سلامت الکترونیک گسترش داده شود تا تجزیه و تحلیل پیچیده داده‌های بیمار را در یک زمینه تاریخی، پیش‌بینی و حتی سناریوهای کاربردی تجویزی. کتاب با بحث در مورد اخلاق، روندهای تحقیقاتی نوظهور، مسائل و چالش های پردازش جریان داده های اینترنت اشیا به پایان می رسد.

Anomaly Detection and Complex Event Processing over IoT Data Streams: With Application to eHealth and Patient Data Monitoring presents advanced processing techniques for IoT data streams and the anomaly detection algorithms over them. The book brings new advances and generalized techniques for processing IoT data streams, semantic data enrichment with contextual information at Edge, Fog and Cloud as well as complex event processing in IoT applications. The book comprises fundamental models, concepts and algorithms, architectures and technological solutions as well as their application to eHealth. Case studies, such as the bio-metric signals stream processing are presented –the massive amount of raw ECG signals from the sensors are processed dynamically across the data pipeline and classified with modern machine learning approaches including the Hierarchical Temporal Memory and Deep Learning algorithms.

The book discusses adaptive solutions to IoT stream processing that can be extended to different use cases from different fields of eHealth, to enable a complex analysis of patient data in a historical, predictive and even prescriptive application scenarios. The book ends with a discussion on ethics, emerging research trends, issues and challenges of IoT data stream processing.