تركيب در سطح تصميم مدل هاي يادگيري عميق شبكه هاي حسگر براي تصميم گيري در شهر هاي هوشمند

يادگيري عميق به تازگي نتايج بسيار مثبتي در طيف گسترده اي از بخش ها مانند بينايي كامپيوتر، تشخيص صوت ، تشخيص اشياء و پردازش زبان طبيعي و ... به دست آورده است . هدف از آن، يادگيري نمايش سلسله مراتبي داده ها با استفاده از مدل هاي معماري عميق است . شهر هوشمند با هدف استفاده از فناوري‌هاي ديجيتالي يا فناوري اطلاعات و ارتباطات، به بهبود كيفيت و عملكرد خدمات شهري مي‌پردازد. تجزيه و تحليل داده نقش مهمي در شهرهاي هوشمند دارد. بسياري از سنسورها در يك شهر هوشمند نصب شده‌اند تا حجم زيادي از داده‌ها نظير ويديوهاي نظارت، محيط زيست و داده‌هاي حمل و نقل را ضبط كنند. براي جمع آوري اطلاعات مفيد از چنين داده‌هاي بزرگي، اغلب از الگوريتم‌هاي يادگيري ماشين استفاده مي‌شود و نتايج بسيار مثبتي در طيف وسيعي از برنامه‌هاي كاربردي به دست مي‌آيد. بنابراين، استفاده از ابزارهاي يادگيري ماشين مي‌تواند توسعه شهر هوشمند را تسهيل كند. در اين مقاله از الگوريتم هاي يادگيري عميق براي تجزيه و تحليل داده هاي ويدئويي شهر هوشمند در جهت استفاده در موضوعات مختلفي مانند تشخيص شئ ، تشخيص صوت ، دسته بندي اشياء و صدا هاي محيط در هر فريم ويديو ، مورد استفاده قرار مي گيرد. در نهايت تلاش شده از تركيب خروجي هاي صدا و تصوير ، به مديريت بهينه در شهر هوشمند بپردازيم .