Resumen

La detección móvil colaborativa es un nuevo paradigma que puede utilizar teléfonos inteligentes ubicuos para recopilar y analizar datos en beneficio de los usuarios. Sin embargo, los datos sensoriales recopilados por teléfonos inteligentes suelen involucrar diferentes tipos de datos debido a la granularidad y a las múltiples fuentes de sensores. Además, los datos también están etiquetados en el tiempo. Los datos heterogéneos y secuenciales en el tiempo plantean nuevos desafíos para el análisis de datos. Algunas soluciones existentes intentan aprender cada tipo de datos uno por uno y analizarlos por separado sin considerar la información temporal. Además, los métodos tradicionales también tienen que determinar la orientación del teléfono porque algunos sensores equipados en el teléfono inteligente están relacionados con la orientación. En este documento, consideramos que una combinación de múltiples sensores puede representar una característica invariante para un contexto de detección colaborativa. Por lo tanto, proponemos un nuevo método de aprendizaje de representación de datos heterogé

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Móvil; Crowdsensing; Datos; Sensores; Aprendizaje profundo; Smartphone
• Keywords:Mobile; Crowdsensing; Data; Sensors; Deep learning; Smartphone