基于物联网和硬件验证的可解释AI，用于食品变质预测

这项研究探索了一种使用混合深度Q学习框架预测食品腐败的新方法，并通过合成数据生成和硬件验证来增强其在实际应用中的可行性。 对可解释性和硬件验证的关注是其显著优势，可能会解决实际物联网部署中的关键挑战。

• •专注于用于实际物联网应用的可解释AI。
• •将深度Q学习与合成数据和硬件验证相结合。
• •解决了食品腐败预测的挑战。