ترکیب در سطح تصمیم مدل های یادگیری عمیق شبکه های حسگر برای تصمیم گیری در شهر های هوشمند

یادگیری عمیق به تازگی نتایج بسیار مثبتی در طیف گسترده ای از بخش ها مانند بینایی کامپیوتر، تشخیص صوت ، تشخیص اشیاء و پردازش زبان طبیعی و ... به دست آورده است . هدف از آن، یادگیری نمایش سلسله مراتبی داده ها با استفاده از مدل های معماری عمیق است . شهر هوشمند با هدف استفاده از فناوری های دیجیتالی یا فناوری اطلاعات و ارتباطات، به بهبود کیفیت و عملکرد خدمات شهری می پردازد. تجزیه و تحلیل داده نقش مهمی در شهرهای هوشمند دارد. بسیاری از سنسورها در یک شهر هوشمند نصب شده اند تا حجم زیادی از داده ها نظیر ویدیوهای نظارت، محیط زیست و داده های حمل و نقل را ضبط کنند. برای جمع آوری اطلاعات مفید از چنین داده های بزرگی، اغلب از الگوریتم های یادگیری ماشین استفاده می شود و نتایج بسیار مثبتی در طیف وسیعی از برنامه های کاربردی به دست می آید. بنابراین، استفاده از ابزارهای یادگیری ماشین می تواند توسعه شهر هوشمند را تسهیل کند. در این مقاله از الگوریتم های یادگیری عمیق برای تجزیه و تحلیل داده های ویدئویی شهر هوشمند در جهت استفاده در موضوعات مختلفی مانند تشخیص شئ ، تشخیص صوت ، دسته بندی اشیاء و صدا های محیط در هر فریم ویدیو ، مورد استفاده قرار می گیرد. در نهایت تلاش شده از ترکیب خروجی های صدا و تصویر ، به مدیریت بهینه در شهر هوشمند بپردازیم.

کلیدواژه ها:

شهر هوشمند ، اینترنت اشیا ، داده کاوی ، یادگیری عمیق ، شبکه های عصبی پیچیده