Deep Convolutional Neural Network On Multichannel Time Series For Human Activity Recognition
输入:来自不同穿戴设备传感器的时间序列的值。
输出:当前人物的动作
步骤:
- 对于多个穿戴设备的时间序列进行时间划分

- 对每个划分使用卷提取特征
- 采样/pooling
- 卷积
- …
- D-densor

- 全连接
- sofrmax进行分类学习
其中的细节有很多,尤其是网络的搭建,不在详述。

本文介绍了一种使用深度卷积神经网络(DCNN)对来自多个穿戴设备传感器的时间序列数据进行人类活动识别的方法。通过时间划分、特征提取、卷积操作等步骤,实现对人物当前动作的精准分类。
输入:来自不同穿戴设备传感器的时间序列的值。
输出:当前人物的动作
步骤:


其中的细节有很多,尤其是网络的搭建,不在详述。

1038

被折叠的 条评论
为什么被折叠?