文件名称：LSTM_TEST:了解LSTM
文件大小：58.35MB
文件格式：ZIP
更新时间：2024-04-16 13:08:26
JupyterNotebook
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， 坐着 常设， 铺设。 与传统方法相比，将循环神经网络（RNN）与长短期记忆单元（LSTM）结合使用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，而神经网络的行为就像黑匣子一样，可以正确地对问题进行建模。 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，此处的方法非常简单。 让我们使用Google简洁的深度学习库TensorFlow，演示LSTM的用法，LSTM是一种可以处理顺序数据/时间序列的人工神经网络。 视频数据集概述 点击此链接可观看其中一位参与者在实验中记录的6项活动的视频： 有关输入数据的详细信息 我将在数据上使用L
【文件预览】：
LSTM_TEST-master
----.gitignore(24B)
----LSTM.py(4KB)
----data()
--------.gitignore(16B)
--------UCI HAR Dataset()
--------download_dataset.py(914B)
--------source.txt(2KB)
----LICENSE(1KB)
----README.md(30KB)
----LSTM_files()
--------LSTM_18_1.png(42KB)
--------LSTM_16_0.png(76KB)
----LSTM.ipynb(209KB)