《基于递归神经网络的跌倒检测系统》PDF+DOC
作者:牛德姣,刘亚文,蔡涛,彭长生,詹永照,梁军
单位:中国人工智能学会;哈尔滨工程大学
出版:《智能系统学报》2018年第03期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFZNXT2018030120
DOC编号:DOCZNXT2018030129
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于EA-DS证据理论的安全事件关联分析》PDF+DOC2015年第11期 龙春,申罕骥,李俊
《一种改进的聚类目标融合算法》PDF+DOC2017年第04期 刘佳媛,邢朦,邵立琴
《穿戴式学生体育运动体质监测系统的设计研究》PDF+DOC2018年第15期 向玮
《航空涡扇引擎剩余使用寿命预测算法研究》PDF+DOC2019年第06期 吴锐,马洁,丁恺林
《基于深度学习的人体行为检测系统设计》PDF+DOC2019年第09期 丁红,饶万贤
《不再严守数据秘密》PDF+DOC2019年第07期 石彩云
《如何使用传感器和人工智能来发挥传感器数据的协同作用?》PDF+DOC2018年第05期
《海上信息感知大数据技术》PDF+DOC2018年第02期 何友,周伟
《基于时空关系和关联规则挖掘的上下文信息缺失插补研究》PDF+DOC2010年第12期 王玉祥,乔秀全,李晓峰,孟洛明
《大数据时代的岩土工程监测——转折与机遇》PDF+DOC2014年第09期 王浩,覃卫民,焦玉勇,何政
针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果。首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害。
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。