Key points are not available for this paper at this time.
تتطلب التطبيقات العملية لمراقبة الحمل غير التداخلية نماذج للتعرف على الحمل يمكن أن تعمم على بيانات غير مرئية من منازل جديدة وتعمل بكفاءة على أجهزة الحافة. ومع ذلك، فإن الأساليب الحالية لمراقبة الحمل غير التداخلية، وخاصة نماذج التعلم العميق، تتطلب حسابات مكثفة وعرضة لتدهور الأداء عند نشرها على منازل جديدة بسبب تحولات النطاق. لمعالجة هذه التحديات، يقترح هذا المقال منهج الغابة العشوائية القابلة للنقل ذات الوزن (WTRF) للتعرف على الحمل. بناءً على إطار عمل الغابة العشوائية، يدمج WTRF آلية للتعلم القابل للنقل للتكيف بسرعة مع المنازل الجديدة باستخدام 1 إلى 3 عينات مصنفة فقط لكل جهاز. النموذج خفيف الوزن، بحجم ذاكرة أقل من 300 كيلوبايت. تظهر دراسات الحالة على ثلاثة مجموعات بيانات فعاليتها، بما في ذلك درجة F1 الكبرى تبلغ 97.0 ± 2.6٪ عند النقل من PLAID إلى WHITED، وهو تحسن ملحوظ عن 5.7±1.7٪ التي حققتها النماذج التي تعتمد فقط على المصدر. عند نشره على Raspberry Pi 4، يحقق WTRF أوقات تحديث تصل إلى 3.1±0.3 ثانية وأوقات اختبار تبلغ حوالي 3 مللي ثانية لكل منزل. تسلط هذه النتائج الضوء على كفاءة WTRF في معالجة تحولات النطاق وملاءمته لمراقبة الحمل غير التداخلية في بيئات الحافة المحدودة الموارد.
دراسة يان وآخرون (الأربعاء) هذا السؤال.