《基于循环神经网络的人体行为识别》PDF+DOC
作者:宿通通,孙华志,马春梅,姜丽芬
单位:天津师范大学
出版:《天津师范大学学报(自然科学版)》2018年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFTJSD2018060110
DOC编号:DOCTJSD2018060119
下载格式:PDF + Word/doc 文字可复制、可编辑
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英
《一种改进的GRU-InFCN人体行为识别模型》PDF+DOC2020年第01期 武一,田小森,张朝旭
《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞
《运用开端神经网络进行人体姿态识别》PDF+DOC2017年第S2期 柴铎,徐诚,何杰,张少阳,段世红,齐悦
《基于特征融合的人体运动识别》PDF+DOC2019年第06期 连西静,崔升
《基于一维卷积神经网络和降噪自编码器的驾驶行为识别》PDF+DOC2020年第08期 杨云开,范文兵,彭东旭
《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军
《基于特征自动提取的跌倒检测算法》PDF+DOC2018年第12期 胡双杰,秦建邦,郭薇
《基于视频流和位置流混合的建筑施工人员行为识别研究》PDF+DOC 谢觉,唐俊
《基于嗅觉神经网络采用时间序列的电子鼻模式分类方法》PDF+DOC2007年第09期 傅均,李光,Walter J. Freeman
使用4种类型的循环神经网络模型(RNN、GRU、LSTM、BLSTM)处理手机传感器采集的异构时间序列数据,用于人体行为识别研究.针对4种模型,分别构建自动特征提取方法,并对参数设置进行优化.在公开数据集UCI HAR上进行了行为识别测试实验,实验结果表明,BLSTM模型的识别精度高达95.7%,可以有效地用于行为识别,其识别率和性能优于其他3种循环神经网络,且高于卷积神经网络深度学习方法。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。