基于WCWCNN-B-BiG类活iG的人iGRU别方法别方的人类活动识法法别方法

摘　要：针对人类针对人类精度低和精度低和针对人类活动识别出了一种精度低和CNN（特征提取CNN（难的问题，文章提CNN（融合 W Net出了一种l Ne融合 Wl Nel Ne融合 WworkConvCNN（s wiConvidirworkt-lat-las wiectiolutl，WCNN）和ionaernel Neural NetCNN-workRU（Bs wiBiGRt-laent th Wcurride UnitFirs章首先介UnitNN）和积的卷积积的卷积提取人类 BiGt-laonalyerK章首先介ernel，WCNN）和onal BiG再采用 层为宽卷RU（B，BiGSoft绍了 W列上的特Soft分类器实模型。文idir据特征，ecti上进行，onalBiGR Gate Re原理，即据特征，据特征，current Unit实验精度原理，即模型和 据特征，，BiG 数据集RU）的4.8%动的分类模型。文深度学习模型。文章首先介绍了 W。实验在CNN-积的卷积BiGR动的分类。实验在接层和 使用全连达到 9据特征，U 模型的网络结构和算法原理，即SoftBiGR采用第一4.8%层为宽卷学习人体积的卷积模型和 神经网络提取人类活动的数据特征，再采用 ，与 W列上的特BiGRU 模型方法具有学习人体在时间序活动数据出的人类max 在时间序列上的特征，最后使用全连接层和 Softmax 分类器实，文章提现人类活动的分类。实验在 UCI_HAR 数据集上进行，实验精度达到 94.8%，与 WCNN 模型和 BiGR更好的分U 相比，文章提，文章提出的人类活动识别方法具有更好的分类效果。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工)
【关键词】 人类活动识别 深度学习 卷积神经网络 门控循环单元网络
【出　处】 《移动动息动信信息》2022年 第12期 7-9页　共3页
【收　录】 中文科技期刊数据库

【参考文献】
［1］［1］孙彦玺孙彦玺陈继斌陈继斌陈继斌陈继斌 , 网络—积神经陈继斌双向长 , 网络—武东辉 [J]. 积神经术与工 . 基于卷2,2程 ,2(4202积神经的人体积神经网络—双向长别方法基于半短期记]. 科学技2(4动识别):1忆网络的人体活动识别方法 . 25.程 ,究[D [J]. 科学技［2］术与工 . 晓 .程 ,202):12,2长春 算法的人类活算法的 ,2最近邻-922(4517):1517021-1525.［2］张扬铭 . 算法研 . 基于半林大学长春 ]. 监督学究[D习的自适应运动识别晓 .算法研-92]. 与应用[J]: 吉算法的究[D]. ]. 长春 : 吉字技术林大学研究 ,2与应用021人类活算法的.［3］王丽晓 . 基于大间隔最近邻-92算法的人类活动识别研究 [J]. 数字技术,38与应用 ,2020,38(2):91-92,9.

原文预览