Resumen

La selección de actividades es crítica para el entorno inteligente y los Sistemas Ciberfísicos (CPSs) que pueden proporcionar servicios oportunos e inteligentes, especialmente a medida que el número de dispositivos conectados aumenta a una velocidad sin precedentes. Dado que es importante recolectar etiquetas de varios agentes en los CPSs, se han diseñado algoritmos de inferencia de crowdsourcing para ayudar a adquirir etiquetas precisas que involucren conocimiento de alto nivel. Sin embargo, existen algunas limitaciones en el algoritmo en la literatura existente, como incurrir en un presupuesto adicional para los algoritmos existentes, incapacidad para escalar adecuadamente, requerir el conocimiento de la distribución previa, dificultades para implementar estos algoritmos o generar óptimos locales. En este documento, proporcionamos un método de inferencia de crowdsourcing con templado variacional que obtiene la verdad fundamental y también considera tanto la confiabilidad de los trabajadores como el nivel de dificultad de las tareas y garantiza un óptimo local. Los experimentos numéricos de

• 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:Selección de actividades; Entorno inteligente; Sistemas ciberfísicos; Algoritmos de inferencia de crowdsourcing; Temple variacional; Aprendizaje automático
• Keywords:Activity selection; Smart environment; Cyber-physical systems; Crowdsourcing inference algorithms; Variational tempering; Machine learning