您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. LSTM-人类活动-识别:在智能手机传感器数据集上使用TensorFlow和LSTM RNN的人类活动识别示例。 在六个活动类别中分类运动的类型-Guillaume Chevalier-源码

  2. 使用智能手机数据集和LSTM RNN的人类活动识别(HAR)。 将运动类型分为以下六类: 步行, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, 坐下 常设, 铺设。 与传统方法相比,使用具有长短期记忆单元(LSTM)的递归神经网络(RNN)不需要或几乎不需要特征工程。 数据可以直接馈入神经网络,就像黑盒子一样,对问题进行正确建模。 关于活动识别数据集的可以使用大量的特征工程,这是一种结合了经典数据科学技术的信号处理方法。 就数据预处理量而言,此处的方法非
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:268288
    • 提供者:weixin_42128015