在 Python 和 Keras 中使用1DCNN神经网络的人类活动识别 (HAR)

1DCNN 神经网络

CNN 可以很好地识别数据中的简单模式，然后将其用于在更高层中形成更复杂的模式。当您希望从整个数据集的较短（固定长度）片段中获取有趣的特征并且片段中特征的位置不具有高度相关性时，一维 CNN 非常有效。这非常适用于分析传感器数据（如陀螺仪或加速度计数据）的时间序列。在此示例中，我们将训练一维卷积神经网络 (1D CNN)，以根据来自腰部的移动设备的一组给定加速度计数据来识别运动类型（步行、跑步、慢跑等）。

文件下载

资源详情

[{"title":"（ 2 个子文件 5KB ）在 Python 和 Keras 中使用1DCNN神经网络的人类活动识别 (HAR)","children":[{"title":"har-keras-cnn-master1","children":[{"title":"20180903_Keras_HAR_WISDM_CNN_v1.0_for_medium.py <span style='color:#111;'> 11.97KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

在 Python 和 Keras 中使用1DCNN神经网络的人类活动识别 (HAR)

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载