Resumen

Este trabajo presenta Wearable deep learning (WearableDL), que es una arquitectura conceptual unificadora inspirada en el sistema nervioso humano, ofreciendo la convergencia del aprendizaje profundo (DL), el Internet de las cosas (IoT) y las tecnologías portátiles (WT) de la siguiente manera: (1) el cerebro, el núcleo del sistema nervioso central, representa el aprendizaje profundo para la computación en la nube y el procesamiento de grandes volúmenes de datos. (2) La médula espinal (una parte del SNC conectada al cerebro) representa el Internet de las cosas para la computación en la niebla y el flujo/transferencia de grandes volúmenes de datos. (3) Los nervios sensoriales y motores periféricos (componentes del sistema nervioso periférico (PNS)) representan las tecnologías portátiles como dispositivos periféricos para la recolección de grandes volúmenes de datos. En tiempos recientes, los dispositivos portátiles de IoT han permitido la transmisión de grandes volúmenes de datos desde dispositivos inteligentes portátiles (por ejemplo, teléfonos inteligentes, relojes inteligentes, prendas inteligentes y dispositivos personalizados) a los servidores en la nube. Ahora, los desafíos finales son (1) cómo analizar los grandes volúmenes de datos portátiles recopilados sin información previa y también sin etiquetas que representen la actividad subyacente; y (2) cómo reconocer los patrones espaciales/temporales en estos grandes volúmenes de datos no estructurados para ayudar a los usuarios finales en el proceso de toma de decisiones, por ejemplo, diagnóstico médico, eficiencia de rehabilitación y/o rendimiento deportivo. El aprendizaje profundo (DL) ha ganado popularidad recientemente debido a su capacidad para (1) escalar al tamaño de los grandes volúmenes de datos (escalabilidad); (2) aprender la ingeniería de características por sí mismo (sin extracción manual de características o características hechas a mano) de manera integral; y (3) ofrecer precisión en el aprendizaje de datos crudos sin etiquetar/etiquetados (no supervisados/supervisados). Para comprender el estado actual de la técnica, revisamos sistemáticamente más de 100 trabajos científicos similares y recientemente publicados sobre el desarrollo de enfoques de DL para tecnologías portátiles y centradas en la persona. La revisión respalda y fortalece la arquitectura bioinspirada propuesta de WearableDL. Este artículo finalmente desarrolla una perspectiva y proporciona sugerencias perspicaces para WearableDL y su aplicación en el campo del análisis de grandes volúmenes de datos.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Aprendizaje profundo en dispositivos portátiles; Internet de las cosas; Macrodatos; Computación en nube; Dispositivos periféricos; Enfoques de aprendizaje profundo
• Keywords:Wearable deep learning; Internet-of-things; Big data; Cloud computing; Edge devices; Deep learning approaches