[發(fā)明專利]一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法在審
| 申請(qǐng)?zhí)枺?/td> | 202010776882.6 | 申請(qǐng)日: | 2020-08-05 |
| 公開(kāi)(公告)號(hào): | CN111860460A | 公開(kāi)(公告)日: | 2020-10-30 |
| 發(fā)明(設(shè)計(jì))人: | 盧新彪;徐嘉雯 | 申請(qǐng)(專利權(quán))人: | 江蘇新安電器股份有限公司 |
| 主分類號(hào): | G06K9/00 | 分類號(hào): | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231 | 代理人: | 張勵(lì) |
| 地址: | 215000 江蘇省蘇*** | 國(guó)省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 改進(jìn) lstm 模型 人體 行為 識(shí)別 應(yīng)用 方法 | ||
1.一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:包括以下步驟:
S1:確定網(wǎng)絡(luò)隱藏層數(shù)及其內(nèi)部神經(jīng)元數(shù)量;
S2:若加深網(wǎng)絡(luò)層數(shù),則在隱藏層間加入Dropout正則項(xiàng);
S3:改變LSTM單元的內(nèi)置激活函數(shù),將原來(lái)的Tanh函數(shù)替換為Softsign函數(shù);
S4:改變LSTM內(nèi)部網(wǎng)絡(luò),加入正向與反向LSTM單元形成雙向LSTM(Bi-LSTM)單元;
S5:記錄改進(jìn)前后的網(wǎng)絡(luò)訓(xùn)練時(shí)間。
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述LSTM網(wǎng)絡(luò)采用的數(shù)據(jù)集為UCI HAR。
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述人體行為包括行走、上樓、下樓、坐、立、躺。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述步驟S1中在神經(jīng)網(wǎng)絡(luò)的輸入層與LSTM單元之間加入隱藏層,并設(shè)置隱藏層與LSTM單元中相同的神經(jīng)元數(shù)量。
5.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述步驟S2中還包括逐步調(diào)整隱藏層的內(nèi)部神經(jīng)元數(shù)量。
6.根據(jù)權(quán)利要求1或5所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述加深網(wǎng)絡(luò)層數(shù)的同時(shí),要注意減小網(wǎng)絡(luò)在訓(xùn)練集和測(cè)試集上的過(guò)擬合現(xiàn)象。
7.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的LSTM模型在人體行為識(shí)別上的應(yīng)用方法,其特征在于:所述步驟S3中LSTM單元狀態(tài)由細(xì)胞更新?tīng)顟B(tài)以及三個(gè)控制門組成,三個(gè)控制門分別為輸入門、輸出門和記憶門。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江蘇新安電器股份有限公司,未經(jīng)江蘇新安電器股份有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010776882.6/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 用于高階長(zhǎng)短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機(jī)制的時(shí)間序列預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負(fù)荷預(yù)測(cè)方法及系統(tǒng)
- 用于預(yù)測(cè)血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語(yǔ)音信號(hào)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負(fù)荷概率預(yù)測(cè)方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實(shí)體識(shí)別系統(tǒng)及識(shí)別方法





