Resumen

El análisis de datos de sensores se utiliza en muchas áreas de aplicación, por ejemplo, en la Inteligencia Artificial de las Cosas (AIoT), con el rápido desarrollo del aprendizaje de redes neuronales profundas que promueve su área de aplicación. En este trabajo, proponemos el algoritmo de análisis de datos de sensores hiperespectrales basado en el Aprendizaje Profundo de Núcleos Cambiables en Profundidad y Ancho. En comparación con la clasificación de datos hiperespectrales basada en el aprendizaje de núcleos tradicional, el método propuesto tiene ventajas en la clasificación de datos hiperespectrales. Con el aprendizaje de núcleos profundos, la característica se mapea a través de múltiples mapeos y tiene una mayor capacidad discriminativa. Por lo tanto, el aprendizaje de núcleos profundos tiene un mejor rendimiento en comparación con el aprendizaje de múltiples núcleos. Y tiene la capacidad de ajustar la arquitectura de red para el espacio de datos hiperes

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Análisis de datos del sensor; Aprendizaje profundo del núcleo; Datos de detección hiperespectral; Clasificación; Inteligencia artificial de las cosas; Algoritmo
• Keywords:Sensor data analysis; Deep kernel learning; Hyperspectral sensing data; Classification; Artificial intelligence of things; Algorithm