Research Article

Optimize edilmiş Dikkat Gelişmiş Zamansal Grafik Devrimsel Ağ Tabanlı Bulut Kaynak Tahsisi Destekli IoT Öğrencilerin Sağlık İzleme Sistemi İçin

DOI:

10.3791/69389

⸱

January 30th, 2026

 ,  ,  ,  ,  , 
1Department of Electronics and Communication Engineering, Gayatri Vidya Parishad College of Engineering (A), 2Department of Computer Science and Engineering, MVGR College of Engineering (A), 3Department of Computer Science and Engineering, CVR College of Engineering, 4Department of Computer Science and Engineering, Malla Reddy College of Engineering and Technology, 5Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, 6Department of Electronics and Communication Engineering, MVGR College of Engineering

In This Article

Erratum Notice

Important: There has been an erratum issued for this article. Read More ...

Erratum

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Optimized Attention Enhanced Temporal Graph Convolutional Network-based Cloud Resource Allocation Supported IoT for Students' Health Monitoring System
Posted by JoVE Editors on 3/27/2026. Citeable Link.

This corrects the article 10.3791/69389

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu protokol, bulut tabanlı Nesnelerin İnterneti (IoT) öğrenci sağlığı izleme için optimize edilmiş dikkat artırılmış zamansal grafik konvolüsyon ağı tanımlar.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sensör teknolojisindeki gelişmeler, Nesnelerin İnterneti (IoT) uygulamalarının IoT tabanlı öğrenci sağlık izleme sistemi gibi davranışsal ve fizyolojik izleme sistemleri oluşturmak için hızlı bir şekilde yayılmasının yolunu açtı. Öğrenci sağlık gözleminin durumu, yalnızlıktan kurtulan öğrenci sayısının geniş coğrafi alanlarda artması nedeniyle gereklidir. Bu araştırma makalesi, öğrencilerin sağlık izleme sistemi (HMS-AETGCN-NGOA-IoT) için optimize edilmiş dikkat, geliştirilmiş zamansal grafik, konvolüsyon ağ tabanlı bulut kaynak ayırımı destekli Nesnelerin İnterneti adlı bir yaklaşımı sunmaktadır. Önerilen HMS-AETGCN-NGOA-IoT, MATLAB kullanılarak uygulanmaktadır. Öğrencilerin sağlık durumunu tespit etmek için hassasiyet, doğruluk, F1 puanı, Hatırlama (Hassasiyet), Spesifiklik, Hata oranı, Hesaplama süresi ve ROC gibi performans ölçütleri dikkate alınır. HMS-AETGCN-NGOA-IoT yaklaşımı %19,11, %24,12 ve %28,13 daha yüksek özgüllük sağlar; %24,93, %23,04 ve %9,51 daha düşük hesaplama süresi; %15,2, %25,45 ve %13,91 daha yüksek ROC değerleri; ve sırasıyla Nesnelerin İnterneti için Mesaj Geçirici Sinir Ağına (HMS-MPNN-IoT), Eşyaların İnterneti için Destek Vektör Makinesine dayalı Sağlık İzleme Sistemi (HMS-SVM-IoT) ve Nesnelerin İnterneti için Derin Sinir Ağına (HMS-DNN-IoT) dayalı Sağlık İzleme Sistemi ile karşılaştırıldığında %8,45, %20,98 ve %27,55 daha yüksek doğruluk.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

En değerli ve heyecan verici araştırma alanlarından biri bulut bilişim1. Bu bilişim tekniği, yapı ve yazılım hizmetlerini, ayrıca Internet2'den kullanıcı tarafından talep edilen hizmetleri satın alır. Bulut bilişim talepleriyle birlikte birçok müşteri sayısı gün geçtikçe artıyor. Sonuç olarak, bulut bilişimin hızını ve hassasiyetini artırmak kritiköneme sahiptir 3. Bulut bilişim, hasta izlemesiniiyileştirir 4. Bulut, veri depolama ve işleme, cihaz hizmetleri ve diğer bilgi işleme faaliyetleri gibi zorlu ve büyük hesaplama görevleri için ist....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışmada kullanılan tüm gerekli materyaller, yazılımlar ve ekipmanlar Materyaller Tablosu'nda belirtilmiştir.

Veri toplama ve hazırlama

Bu çalışmada kullanılan Veri Seti, kamuya açık Kaggledeposu 26'dan elde edilen Öğrenci Ruh Sağlığı Veri Setidir. Veri seti, üniversite öğrencilerinden toplanan kendi raporlu sorular ve yanıtları içerir; demografik bilgiler, akademik stres, uyku düzenleri ve ruh sağlığıyla ilgili göstergeler içerir. Veriler, denetimli öğrenme ve performans değerlendirmesi için uygun dengeli bir dağılıml....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Temsilci sonuçlar, önerilen HMS-AETGCN-NGOA-IoT yaklaşımının öğrencilerin hassas ve duyarsız sağlık sorunlarını belirlemedeki etkinliğini doğrulamaktadır. Gelişmiş doğruluk ve F1-puan değerleri, zaman grafik konvolüsyon ağındaki dikkat mekanizmasının sağlık özelliklerinin zamansal desenlerini ve ilişkilerini belirlemedeki etkinliğini kanıtlamaktadır. Yüksek özgüllük ve ROC eğrileri, daha az yanlış alarmla doğru tanımlama sağlar ve daha düşük hesaplama süresi, STK için optimize edilmiş ya.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Önerilen HMS-AETGCN-NGOA-IoT modeli, IoT veri edinimini gelişmiş bir derin öğrenme çerçevesiyle etkili şekilde entegre ederek otomatik öğrenci sağlığı izlemede önemli bir ilerleme göstermektedir. Bu modelin başarısının merkezi, sağlık verilerinin karmaşık, ilişkisel ve zamana bağlı doğasını yönetmek için özel olarak tasarlanmış Dikkat Artırılmış Zamansal Grafik Konvolüsyon Ağı (AETGCN)'de yatmaktadır. Öğrencileri ve fizyolojik/davranışsal parametrelerini dinamik bir grafik olarak modelle.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların açıklayacak hiçbir şeyi yok.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların herhangi bir teşekkürü yoktur.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLABMathWorksR2023a veya daha sonrası
İşletim sistemiWindows 10
Kişisel BilgisayarYokBellek 8 GB RAM
İşlemciIntel, Core i5
Öğrenci Ruh Sağlığı Veri SetiKagglehttps://www.kaggle.com/datasets/shariful07/student-mental-health

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kondaka, L. S., Thenmozhi, M., Vijayakumar, K., Kohli, R. An intensive healthcare monitoring paradigm by using IoT-based machine learning strategies. Multimedia Tools Appl. 81 (26), 36891-36905 (2022).
  2. Malarvizhi Kumar, P., Hong, C. S., Chandra Babu, G., Selvaraj, J., Gandhi, U. D.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

IoT Health MonitoringCloud Resource AllocationTemporal Graph ConvolutionStudent Health MonitoringSensor TechnologyAttention MechanismMATLAB ImplementationPerformance MetricsBehavioral MonitoringPhysiological Monitoring

Related Articles