最適化された注意力 強化されたタイムラルグラフ コンヴォルショナル ネットワークベースのクラウドリソース割り当て サポートされた学生の健康モニタリングシステムのためのIoT
Surya Prakasa Rao Reddi1, Srinivasa Rao P2, S Suguna Mallika3
1Department of Electronics and Communication Engineering, Gayatri Vidya Parishad College of Engineering (A).
Journal of visualized experiments : JoVE
|February 16, 2026
まとめ
この研究では,物事のインターネット (IoT) 学生の健康モニタリングシステムのための最適化された注意力強化タイムグラフコンボリューションネットワークを導入しています. この新しいアプローチは,精度と特異性を大幅に向上させ,計算時間を短縮します.
科学分野:
- * コンピュータ科学
- * バイオメディカルエンジニアリング
- *モノのインターネット (IoT)
背景:
- *地理的分布と孤立が増加しているため,学生の健康状態の遠隔モニタリングの必要性が増しています.
- * 学生の幸福度を正確に,効率的に追跡する現行のシステムの限界.
- * センサー技術の進歩により,IoTベースの洗練されたヘルスケアソリューションが実現しています.
研究 の 目的:
- * 学生の健康モニタリング (HMS-AETGCN-NGOA-IoT) のための最適化された注意力強化タイムグラフコンボリュアルネットワークベースのクラウドリソース割り当てサポートされたモノのインターネット (IoT) システムを開発するために.
- * 精度,特異性,計算時間,ROCなどのキーメトリックを使用してシステムのパフォーマンスを評価します.
- *提案されたHMS-AETGCN-NGOA-IoTアプローチを,既存のIoTの健康監視システムと比較する.
主な方法:
- * MATLAB.を使用したHMS-AETGCN-NGOA-IoTシステムの実装.
- * データ処理とリソース割り当てのための最適化された注意力強化タイムグラフコンボリューションネットワーク (AETGCN) の利用.
- * 精度,正確性,F1スコア,リコール,特異性,エラー率,計算時間,および受信機操作特性 (ROC) の曲線分析に基づくパフォーマンス評価.
主要な成果:
- *HMS-AETGCN-NGOA-IoTシステムは,HMS-MPNN-IoT,HMS-SVM-IoT,およびHMS-DNN-IoT.に比べて,複数のメトリックで優れたパフォーマンスを示しました.
- *著しく高い特異性 (19.11%〜28.13%) と精度 (8.45%〜27.55%) を達成しました.
- * 計算時間の短縮 (9.51%〜24.93%) とROC値の改善 (15.2%〜25.45%) を示した.
結論:
- *提案されているHMS-AETGCN-NGOA-IoTシステムは,学生の健康を監視するための堅牢で効率的なソリューションを提供します.
- * AETGCNモデルは,IoTベースのヘルスケアアプリケーションのためのクラウドリソースの割り当てを効果的に強化します.
- * このアプローチは,積極的かつ正確な学生の福祉管理のためにIoTを活用する上で重要な進歩を表しています.
