Resumen

La modelización del comportamiento humano en entornos inteligentes es un área de investigación en crecimiento que aborda varios desafíos relacionados con la informática ubicua, el reconocimiento de patrones y la vida asistida por el entorno. Gracias al progreso reciente en dispositivos de detección, ahora es posible diseñar modelos computacionales capaces de detectar con precisión las actividades de los residentes y sus rutinas diarias. Con este objetivo, en este artículo presentamos un marco basado en aprendizaje profundo para el reconocimiento de actividades en hogares inteligentes. Este marco propone una metodología detallada para el preprocesamiento de datos, la extracción de características y la aplicación de técnicas de aprendizaje profundo. El nuevo marco fue diseñado para garantizar una exploración profunda del espacio de características, ya que se prueban tres enfoques principales, a saber, el enfoque de todas las características, el enfoque de selección y el enfoque de reducción. Además, el marco propone la evaluación y comparación de varias técnicas de aprendizaje profundo bien seleccionadas, como el autoencoder, las redes neuronales recurrentes (RNN) y algunos de sus modelos derivados. Concretamente, el marco se aplicó al conjunto de datos Orange4Home, que representa un conjunto de datos reciente diseñado especialmente para la investigación en hogares inteligentes. Nuestros principales hallazgos muestran que el mejor enfoque para una clasificación eficiente es el enfoque de selección. Además, nuestros resultados generales superaron a los modelos base basados en clasificadores de bosques aleatorios y la técnica de análisis de componentes principales, especialmente los resultados de nuestro modelo basado en RNN para el enfoque de todas las características y los resultados de nuestro modelo basado en autoencoder para el enfoque de reducción de características.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Modelado del comportamiento humano; Entornos inteligentes; Aprendizaje profundo; Reconocimiento de actividades; Hogares inteligentes; Técnicas de aprendizaje profundo
• Keywords:Human behavior modeling; Smart environments; Deep learning; Activity recognition; Smart homes; Deep learning techniques