Resumen

El reconocimiento de actividad humana (HAR) puede ser explotado para grandes beneficios en muchas aplicaciones, incluyendo cuidado de ancianos, cuidado de la salud, rehabilitación, entretenimiento y monitoreo. Muchas técnicas existentes, como el aprendizaje profundo, se han desarrollado para el reconocimiento de actividades específicas, pero poco para el reconocimiento de las transiciones entre actividades. Este trabajo propone un esquema basado en aprendizaje profundo que puede reconocer tanto actividades específicas como las transiciones entre dos actividades diferentes de corta duración y baja frecuencia para aplicaciones de cuidado de la salud. En este trabajo, primero construimos una red neuronal convolucional profunda (CNN) para extraer características de los datos recopilados por sensores. Luego, se utiliza la red de memoria a corto y largo plazo (LSTM) para capturar dependencias a largo plazo entre dos acciones y así mejorar aún más la tasa de identificación de HAR. Al combinar CNN y LSTM, se propone un modelo basado en sensores portátiles que puede reconocer con precisión actividades y

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Reconocimiento de la actividad humana; Aprendizaje profundo; Transiciones entre actividades; Aplicaciones sanitarias; Red neuronal convolucional; Memoria a largo plazo a corto plazo.
• Keywords:Human activity recognition; Deep learning; Transitions between activities; Health care applications; Convolutional neural network; Long short-term memory