移动设备中活动感知策略的快速适应
人机交互
2016-11-11 v1 信息论
math.IT
摘要
随着加速度计等传感器在移动设备中的普及，活动和运动跟踪已成为理解和创造引人入胜的用户体验的可行技术。本文提出了一种当用户统计信息先验未知、随时间变化且对不同用户不一致时的活动跟踪策略的快速适应与学习方案。在我们的随机优化中，要求用户活动在蜂窝数据限制下与后端同步，以避免蜂窝运营商的超额收费。移动设备通过无线或有线充电间歇性充电，以获得传输和感知操作所需的能量。首先，我们将随机优化公式化为约束马尔可夫决策过程（CMDP），从而提出一种活动跟踪策略。其次，我们利用拉格朗日松弛方法和子模性概念证明了CMDP的最优策略具有阈值结构。据此，我们考虑该策略结构提出了一种快速Q-learning算法，以改进相对于传统Q-learning的收敛速度。最后，给出了仿真示例以支持本文的理论发现。
关键词
引用
@article{arxiv.1611.03202,
title = {Fast Adaptation of Activity Sensing Policies in Mobile Devices},
author = {Mohammad Abu Alsheikh and Dusit Niyato and Shaowei Lin and Hwee-Pink Tan and Dong In Kim},
journal= {arXiv preprint arXiv:1611.03202},
year = {2016}
}
备注
14 pages, 10 figure