- 博客(27)
- 收藏
- 关注
RSS订阅原创 ai陪伴机器人项目2025.5.2——跌倒检测
根据我的理解，要先在windows系统上配置arduino开发esp的环境。监视COM9,获取ip，波特率115200。
2025-05-13 10:54:09
267
原创 鞋垫总结2025.3.31
蓝牙数据的接收：E:\gxy\gxy\D\teach\footbed\code\pc_code\bluereadlast.py。读取数据+部署模型+得出结论：E:\gxy\gxy\D\teach\footbed\code\pc_code\last.py。1.环境搭建：参考之前的博客，服务器和本地电脑都要搭建。位置：/feet/bluewritelast.py。数据处理：（训练集）
2025-03-31 14:27:29
162
原创 机器学习项目-智能鞋垫开发项目记录，2025.3.30
通过在每个 fold 中独立进行分位数变换，确保交叉验证的评估结果反映模型在真实场景中的泛化性能。此方法可有效消除不同传感器或数据源的量纲差异，同时严格避免数据泄露。
2025-03-30 17:38:26
653
原创 藻华自用资料五——无人机
设置报警电压：按上方的按钮，显示的是一片电芯的报警电压，对多旋翼来说，不停地按上方按钮，直到3.6，设置该值为多旋翼的单片电芯报警电压。单片电芯电压充满电：4.2v，放电到3.6v-3.7v使用。4.bb响的使用：电池平衡头，黑色的线从bb响最左边开始插。锂电池使用：不能过热、不能过冷、不能变形，要贴魔术贴。飞行的时候将bb响插上，当开始报警，则说明电池没电了。all：总电压，1.2.3分别是三片电芯的电压。2.ubuntu ardupoilt环境搭建。3.电池的充电和使用。
2025-03-28 09:36:10
80
原创 藻华自用资料阶段二（数据处理）
以下数据点是每年从欧洲的各种溪流/河流中采集的。mxPH - 采集水样的最大 pH 值它是水样酸碱度的一般测量。16.5-7.5 被认为是优秀。6.0-6.4 或 7.6-8.0 被认为是良好。5.5-5.9 或 8.1-8.5 被认为是一般。当水变得过于酸性（pH=0-7）或碱性（pH=7-14）时，很少有生物能够存活。当 pH 值低于 5 或高于 8.5 时，会出现严重问题。mnO2 - O2 的最低水平溶解氧是对水中自由可用的氧气量的测量。1。
2025-03-07 14:33:30
941
原创 藻华自用资料阶段一（数据集+传感器）
没有叶绿素，有一系列化学物质+ph值。1、人工水体，比较low，备用。2.只含叶绿素和蓝藻浓度指标。3、看起来很牛（瓶子数据集）6.更符合中国宝宝体质。
2025-03-04 14:35:19
222
原创 机器学习项目-智能鞋垫开发项目记录，更改思路2
项目要求使用树莓派接收来自传感器的蓝牙数据，经过一段时间的学习，基本掌握了蓝牙的用法，现尝试在树莓派上接收蓝牙数据。编写 Python 代码,查询与蓝牙模块通信是否正确：位置：home/pi/feet/ feetserial.py。树莓派端代码：位置/home/pi/feet/ wifi.py。位置：/home/pi/feet/ serialfeet.py。1.实现树莓派接收蓝牙消息并用wifi发送到pc。位置：/home/pi/feet/ 16.py。再去树莓派上写代码接收传感器数据（16进制）
2025-02-20 10:14:39
719
原创 机器学习项目-智能鞋垫开发项目记录，更改思路1
2025.2.11在进行了一段时间内的试错后，重新整理思路：由于1.每个数据集数据量比较大，自己提取特征麻烦且不好掌握，故思考使用深度学习模型直接训练原时间序列。2.由于数据标签只有312个，比较小，不适用于深度学习，故考虑进行数据增强。3.经研究，可将数据用滑动窗口切片，把每个标签对应的数据切成十份，这样就可以有3120个标签，极大的增加了数据量。最好确保每个切片的长度相同，这样能够给深度学习模型提供一致的输入格式。
2025-02-17 17:48:43
1865
原创 机器学习项目-智能鞋垫开发项目记录（自用）十
在理想情况下，验证准确率应该随着 epoch 的增加而逐渐提高，但也有可能出现过拟合的情况，即模型在训练集上表现很好，但在验证集上表现不佳。: 表示在第一折的第一个 epoch 中，第 100 个 step 的训练损失值为 0.5017。交叉验证： 通过 5 折交叉验证，你可以更全面地评估模型的性能，避免模型在单一数据集上的过拟合。: 表示在第一折的第一个 epoch 结束后，模型在验证集上的准确率为 77.08%。: 表示在第一折的第二个 epoch 结束后，模型在验证集上的准确率为 76.20%。
2025-02-17 17:48:21
1541
原创 机器学习项目-智能鞋垫开发项目记录（自用）九
2025.2.12提问：帮我搭建一个包括lstm的模型，我的训练数据集形状为(31549, 600, 21)，标签形状为(31549,)，数据是时间序列数据，使用pytorch回答：好的，我需要帮用户搭建一个包含LSTM的PyTorch模型，他们的训练数据形状是(31549, 600, 21)，标签形状是(31549,)，数据是时间序列。首先，我应该确认数据集的各个维度代表什么。
2025-02-12 17:31:11
833
原创 机器学习项目-智能鞋垫开发项目记录（自用）七---上手2（更错版）
代码解释：这段代码主要用于加载、预处理和准备传感器数据，以便用于机器学习模型的训练。它定义了一个自定义数据集类和一个数据准备函数。导入了 NumPy (用于数值计算)、PyTorch (用于深度学习)、scikit-learn (用于数据预处理) 和 Pandas (用于数据处理) 等库。定义了滑动窗口大小和批处理大小。__init____len__DataLoader调用函数加载和预处理数据。要在代码中显示输出结果，可以使用print函数。以下是一些可以添加print通过在代码中添加这些print。
2025-02-11 15:01:06
860
原创 机器学习项目-智能鞋垫开发项目记录（自用）八
2025.2.11提问：请把tensorflow换成pytorch，重新生成一下这些代码，要求功能完整齐全，说明详细，尤其是输入输出数据格式的说明回答：好的，我现在需要帮用户将之前用TensorFlow编写的自编码器代码转换为PyTorch版本，并且保持功能完整，同时详细说明输入输出格式。首先，我得回顾用户之前的对话，了解他们的需求。用户有18个压力传感器的数据，12000个时间点，想用深度学习提取特征。之前给的解决方案是使用CNN+LSTM混合模型，结合注意力机制，然后构建自编码器进行无监督训练。
2025-02-11 09:38:39
825
原创 机器学习项目-智能鞋垫开发项目记录（自用）七---上手2
2025.2.9由于数据量较为庞大，故特征提取方式拟采用深度学习方式，以下为操作过程记录。
2025-02-11 09:24:31
613
原创 机器学习项目-智能鞋垫开发项目记录（自用）五---上手
这段代码通过检测足跟压力数据中的峰值来估计步态周期。它假设足跟压力在站立阶段会达到峰值，因此峰值出现的时间间隔可以用来计算步长时间。代码首先提取足跟压力数据，然后使用。
2025-02-09 14:24:12
610
原创 机器学习项目-智能鞋垫开发项目记录（自用）六
2025.2.9提问：我的数据是这样的，有18列数据，代表了18个压力传感器随时间的测试值，一共大概有12000行数据，代表了12000个时间点，现在我想利用深度学习得出数据的特征，请问怎样操作，请给出详细步骤、代码和原理解释回答：好的，我现在要处理用户的问题，他有一个时间序列数据集，包含18列压力传感器的数据，12000个时间点，想用深度学习进行特征提取。我需要仔细分析他的需求，并结合之前的对话历史来提供合适的解决方案。
2025-02-09 14:22:41
493
原创 机器学习项目-智能鞋垫开发项目记录（自用）四
在模型训练部分，需要注意数据的分层划分，确保同一受试者的不同试验不会同时出现在训练集和测试集，避免数据泄露。模型选择方面，随机森林、SVM、XGBoost都是常见选择，但需要考虑小样本数据下的表现，可能需要交叉验证或集成方法。好的，用户现在需要根据他们提供的文件名结构和数据信息，重新生成详细的数据处理、模型部署和训练步骤，并给出相应的解释。另外，用户提到不同研究可能有不同的实验条件，可能需要将这些条件作为特征或进行数据标准化，以确保模型在不同研究间的泛化能力。步态周期的分析，比如步长时间、摆动时间。
2025-02-05 13:59:00
790
原创 机器学习项目-智能鞋垫开发项目记录（自用）三
通过将提取的信息转换为 DataFrame 格式，你可以更方便地将数据用于机器学习训练。DataFrame 提供了丰富的功能，可以帮助你更好地进行数据预处理和特征工程，从而提高机器学习模型的性能。4.提问：这个对于文件名中的特征提取代码会得到关于这个文件的几个特征。
2025-02-05 11:17:08
1479
原创 机器学习项目-智能鞋垫开发项目记录（自用）二
第 1 列： 时间（秒） 第 2-9 列： 左脚下方 8 个传感器上的垂直地面反作用力（VGRF，单位：牛顿） 第 10-17 列： 右脚下方 8 个传感器上的 VGRF（单位：牛顿） 第 18 列： 左脚总作用力 第 19 列： 右脚总作用力。利用这些信息，可以研究力记录随时间和位置的变化，推导出反映压力中心随时间变化的测量值，并确定每个脚的步态时间（例如，步长时间、摆动时间）随时间的变化。55% 为男性）的步态测量。的速度记录，这些记录还包括两个信号，反映每只脚的 8 个传感器输出的总和。
2025-02-05 09:50:14
660
原创 机器学习项目-智能鞋垫开发项目记录（自用）一
同时连接多个蓝牙设备并分别存储数据是一个相对复杂的场景，需要根据具体需求选择合适的解决方案。App Inventor虽然提供了基本的蓝牙功能，但对于复杂场景可能需要借助第三方库或扩展，甚至考虑使用其他开发工具。建议：掌握蓝牙通信的底层原理有助于解决问题。App Inventor社区中有许多经验丰富的开发者，可以向他们请教。将问题分解成小问题，逐步解决。希望这个回答对你有帮助！如果你能提供更多关于你的具体需求和环境的信息，我可以给出更详细的指导。你使用的App Inventor版本是什么？
2025-01-10 11:31:51
850
原创 树莓派机械臂项目过程记录
五、ubuntu20.04关于深度学习环境的配置及ros的下载和安装。一、windows和ubuntu20.04双系统的安装。5、安装显卡驱动时选择不安olengl文件。二、ubuntu20.04显卡驱动安装。三、树莓派系统环境的配置及与电脑的通信。四、服务器的连接和使用以及环境配置。4、图像界面使用lightdm。1、Bios关闭VMD。2、选择独显直连模式。
2024-05-13 16:54:53
492
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人