Resumen

En este artículo, propusimos un modelo de entrada bidireccional y multiscale basado en redes neuronales convolucionales y redes neuronales profundas, llamado MBCDNN. Con el fin de resolver el problema de segmentos de actividad inconsistentes, se construye un módulo de entrada multiscale para compensar el ruido causado por el relleno. Para abordar el problema de que una sola entrada no es suficiente para extraer características de los datos originales, proponemos diseñar manualmente características de agregación combinadas con secuencia hacia adelante y secuencia inversa, y utilizar cinco validaciones cruzadas y muestreo estratificado para mejorar la capacidad de generalización del modelo. De acuerdo con la particularidad de la tarea, diseñamos un índice de evaluación combinando peso de escena y acción, lo que enriquece en gran medida la capacidad de aprendizaje del modelo. En los 19 tipos de datos de actividad basados en escena+acción, la precisión y la robustez mejoran significativamente, siendo superiores a otros métodos tradicionales convencionales.

• 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:Modelo de entrada bidireccional propuesto; Multiscale; Red neuronal convolucional; Red neuronal profunda; Características de agregación
• Keywords:Proposed; Multiscale; Bidirectional input model; Convolutional neural network; Deep neural network; Aggregation features