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

用于人类活动识别的LSTM使用智能手机数据集和LSTM RNN进行人类活动识别。 将运动类型分为以下六类：行走，行走，坐下，坐着，用于人类活动识别的LSTM使用智能手机数据集和LSTM RNN进行人类活动识别（HAR）。 在以下六个类别中对移动类型进行分类：行走，行走_上楼梯，行走_下楼梯，坐姿，站立，卧姿。 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。 数据可以直接馈送到像黑匣子一样的神经网络中，对问题进行建模