通过优化物联网和人工智能与先进神经网络的集成,增强老年人和残疾人的人类活动识别

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 物联网的物联网,就是物联网.

背景情况:

• 人类活动识别 (HAR) 系统对于支持老年人和残疾人至关重要,能够实现更大的自主权.
• 最近的进展将物联网 (IoT) 和人工智能 (AI) 整合到HAR中,但面临着复杂算法计算开销的挑战.
• 现有的系统难以平衡复杂的分析和高效的处理,限制了它们的实际部署.

研究的目的:

• 开发一种新的,运算高效的HAR框架,使用AI和物联网来增强用户支持.
• 为解决当前基于深度学习的HAR系统中的计算开销挑战.
• 提高HAR系统对弱势群体的准确性和效率.

主要方法:

• 开发了一种组合模型,将特征提取的门式循环网络 (GRN) 和分类的深极前神经网络 (DEFNN) 结合起来.
• 用人工水滴优化 (AWDO) 算法优化了GRN和DEFNN的超参数,以减轻计算需求.
• 该框架使用来自NodeMCU单元和Wi-Fi收发器的物联网测试台的实时数据进行了验证.

主要成果:

• 拟议的框架实现了高性能指标:准确率为99.5%,精度为98%,回忆率为97%,特异性为98%,F1得分为98.2%.
• 基准测试表明,该模型在准确性方面超过了基于深度学习 (DL) 的其他当代 HAR 系统.
• 与以前的算法相比,该系统的计算需求显著减少.

结论:

• 由AWDO优化的新型GRN-DEFNN组合为HAR提供了一个高度准确和计算高效的解决方案.
• 该框架显示了针对老年人和残疾人设计的HAR系统的卓越有效性和兼容性.
• 该研究为利用人工智能和物联网用于辅助技术提供了实用和先进的方法.