Human-Activity-Recognition-using-RNNs-in-Smartphones

【文件属性】：
文件名称：Human-Activity-Recognition-using-RNNs-in-Smartphones
文件大小：767KB
文件格式：ZIP
更新时间：2021-04-06 01:00:48
Python 在智能手机中使用RNN进行人类活动识别 一，引言： 项目概况： 该项目的目标是建立一个离线模式的machine learning model和signal processing pipeline ，该signal processing pipeline能够处理使用智能手机惯性传感器收集的信号，并生成有用的数据集，作为能够识别某些人的机器学习模型的输入。日常活动（坐着，散步...）。 已经使用了三种不同类型的递归神经网络。 第一种是典型的长期短期记忆神经网络（LSTM），第二种是标准的递归神经网络（RNN），第三种是带有门的接地递归单元（GRU）。 所有网络都用于它们之间的性能比较。 数据集-UCL机器学习存储库： 进行了一组实验以获得HAR数据集。 选择了30名年龄在19至48岁之间的志愿者作为该任务。 指示每个人戴着腰围安装的Samsung Galaxy S II智能手机时要遵循的活

【文件预览】：
Human-Activity-Recognition-using-RNNs-in-Smartphones-main
----DataVisualization.py(5KB)
----LICENSE(1KB)
----Results()
--------Visualisation()
--------Training()
--------Testing()
----TrainTheModel.py(6KB)
----.gitignore(2KB)
----README.md(6KB)
----TestTheModel.py(6KB)