نویسندگان
.
چکیده
تحلیل دادههای حاصل از حسگرها و وسایل اینترنت اشیاء توسط الگوریتمهای دانش هوش مصنوعی موجب ایجاد اینترنت هوشمند اشیاء شده است. از کارکردهای مهم این مبحث میتوان به بازشناسی فعالیتهای انسانی در مکانهای هوشمند اشاره کرد. بازشناسی فعالیت، به پیشبینی فعالیت فعلی، فعالیت بعدی و طول مدت فعالیت فعلی و بعدی تقسیم میشود. از بهترین روشهای بازشناسی فعالیت، استفاده از یادگیری عمیق بهخصوص شبکههای عصبی بازگشتی است؛ بنابراین، ما روشی را ارائه دادهایم تا با الگوریتم تکاملی ژنتیک، نوع و تعداد لایههای بازگشتی و تعداد نورونهای هر لایه را تعیین کند. ما این روش را روی چهار مجموعه دادۀ معیار بازشناسی فعالیت ارزیابی کردهایم؛ تا بتوانیم انواع چالشهای این حوزه، ازجمله استفاده از انواع حسگرهای پوشیدنی، شیئی و محیطی و همچنین دادههای با حجم بالا با چینش متفاوت حسگرها و تعدد شرکتکنندگان را حل کنیم. روش پیشنهادی برای هر چهار مجموعه داده، نتایج را در تعداد لایهها و تعداد نورونهای هر لایۀ کمتری گزارش داده است. این به معنای کسب نتیجۀ بهتر در زمان و تعداد پارامترهای مدل کمتر است. این روش با پیشبینی مناسب چهار برچسب فعالیت فعلی، فعالیت بعدی، مدتزمان فعالیت فعلی و مدتزمان فعالیت بعدی توانسته است در طراحی سیستم AIoT قوی عملکرد خوبی داشته باشد.