Resumen

Los middlewares conscientes del contexto apoyan aplicaciones con gestión de contexto. Los middlewares actuales admiten tanto sensores de hardware como de software que proporcionan datos en formas estructuradas (por ejemplo, sensores de temperatura, viento y humo). Sin embargo, los avances recientes en aprendizaje automático han allanado el camino para adquirir contexto a partir de datos ricos en información y poco estructurados, como señales de audio o video. Este artículo describe un marco (CAMeL) que enriquece los middlewares conscientes del contexto con capacidades de aprendizaje automático. El marco se centra en adquirir información contextual de sensores que proporcionan datos poco estructurados sin necesidad de que los desarrolladores implementen código de aplicación dedicado o hagan uso de bibliotecas externas. No obstante, el objetivo general de los middlewares conscientes del contexto es hacer que las aplicaciones sean más dinámicas y adaptables, y el marco propuesto en sí mismo puede programarse para seleccionar de forma dinámica sensores y algoritmos de aprendizaje automático en función del contexto. Mostramos con experimentos y estudios de caso cómo el marco CAMeL puede (i) promover la reutilización de código y reducir la complejidad de las aplicaciones conscientes del contexto al admitir nativamente capacidades de aprendizaje automático y (ii) autoadaptarse utilizando el contexto adquirido permitiendo mejoras en la precisión de clasificación y reduciendo el consumo de energía en plataformas móviles.

• Materias:Comunicación inalámbrica Blockchain Comunicaciones vehiculares Enrutamiento Redes centradas
• Subjects:Wireless communication Blockchain Vehicular communications Routing Focused networks
• Palabras claves:Conciencia del contexto; Middlewares; Sensores; Aprendizaje automático; Marco; Datos
• Keywords:Context-aware; Middlewares; Sensors; Machine learning; Framework; Data