Resumen

Con la popularidad de la tecnología de Internet de las cosas y los dispositivos inteligentes, la perspectiva de aplicación del conteo preciso de pasos ha ganado cada vez más atención. Para resolver los problemas de que los algoritmos existentes utilizan un umbral para filtrar el ruido y los parámetros no pueden actualizarse a tiempo, se propone una estrategia de optimización inteligente basada en el aprendizaje profundo por refuerzo. En este estudio, el problema de conteo se transforma en una optimización de decisión en serie. Este estudio integra el reconocimiento de ruido y la retroalimentación del usuario para actualizar los parámetros. El procesamiento de extremo a extremo es directo, lo que alivia la inexactitud del conteo de pasos en el módulo de conteo de pasos posterior causada por la inexactitud de la filtración de ruido en el procesamiento de dos etapas y hace que los parámetros del modelo se actualicen continuamente. Finalmente, los resultados experimentales muestran que el modelo propuesto logra un rendimiento superior a los enfoques existentes

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Internet de las cosas; Conteo de pasos; Aprendizaje profundo por refuerzo; Reconocimiento de ruido; Retroalimentación del usuario; Estrategia de optimización
• Keywords:Internet of things; Step counting; Deep reinforcement learning; Noise recognition; User feedback; Optimization strategy