人工智能驱动的集体深度学习模型用于智能监控物联网环境中的室内活动,适用于残疾人
Munya A Arasi1, Hussah Nasser AlEisa2, Amani A Alneil3,4
1Department of Computer Science, Applied College at RijalAlmaa, King Khalid University, Abha, Saudi Arabia. marasi@kku.edu.sa.
Scientific reports
|February 5, 2025
概括
本研究介绍了一种先进的AI模型,用于智能室内活动监控残疾人. 物联网 (IoT) 驱动系统在检测和分类活动方面达到99.07%的准确性,提高了护理和生活质量.
科学领域:
- * 人工智能和机器学习
- * 物联网 (IoT) 在医疗保健领域
- * * 人类活动识别.
背景情况:
- *全球对残疾人医疗服务需求不断增长,需要创新解决方案.
- * 物联网 (IoT) 提供了通过智能技术改善残疾人的生活的变革潜力.
- * 检测人类活动对于监控功能,生命体征和跟踪移动性至关重要.
研究的目的:
- * 开发和设计一个以元启发优化驱动的组合模型,用于智能监控残疾人室内活动 (MOEM-SMIADP).
- *利用物联网应用程序,准确地检测和分类身体障碍者室内活动.
- *通过先进的优化技术来提高集合模型的性能.
主要方法:
- *使用min-max规范化进行数据预处理.
- *使用海洋捕食者算法进行特征选择.
- * 一组图形卷积网络,长短期内存序列对序列 (LSTM-seq2seq) 和卷积自动编码器用于活动检测.
- *使用改进的Coati优化算法进行超参数调整.
主要成果:
- * 拟议的MOEM-SMIADP模型在检测和分类室内活动方面表现出卓越的性能.
- * 达到99.07%的高准确率,优于现有方法.
- *通过广泛的实验评估来验证.
结论:
- * MOEM-SMIADP模型为智能室内监控残疾人提供了有效和准确的解决方案.
- * 物联网和先进的人工智能技术的整合显著改善了医疗保健服务提供和生活质量.
- *元启发式优化在提高复杂集合模型的分类准确度方面发挥着关键作用.
