根据传感器数据推导运动行为制造技术

用于通过包括一个或多个较低的隐藏层和一个或多个较高的隐藏层的神经网络估计移动通信设备的用户的运动行为的方法。该方法包括从移动设备中的传感器获得(401)传感器数据的步骤；获得(402)与用户的运动相关的测量值的步骤；将这些测量值标记(403)为弱标记数据的步骤；预训练(404)较低的隐藏层以根据第一传感器数据集估计测量值的步骤；获得(405)第二传感器数据集的步骤，其中将用户的运动行为标记为标记数据；用标记数据训练(406)较高的隐藏层以估计用户的运动行为作为所述输出的步骤。

Deducing motion behavior based on sensor data

A method for estimating the user's movement behavior of a mobile communication device by means of a neural network including one or more hidden layers and one or more hidden layers. The method includes obtaining from sensors in mobile devices (401) sensor data obtained step; (402) measurement related to the motion of the user value; these measurement markers (403) for weakly labeled data pre training steps; (404) low in hidden layer according to the first sensor data set measurement estimation value; (405) to obtain second sensor data set of steps, which will mark the movement behavior of users with labeled training data labeled data; (406) the hidden layer high in order to estimate the motion behavior of the user as the output step.

【技术实现步骤摘要】
【国外来华专利技术】根据传感器数据推导运动行为
本专利技术涉及机器学习，并且更具体地说，涉及使用神经网络进行深度学习以基于原始传感器数据分析用户的运动行为。
技术介绍
可以通过特征集诸如交通时段(session)的交通方式、驾驶时段的驾驶攻击性、步行时段的步行步速或步数等来描述用户的运动行为。为了估计和总结该运动行为，传统的测量这些特征的方法要求用户穿戴专用传感器或运动捕捉设备。现今的大多数人携带智能手机，并且大多数智能手机包含传感器诸如加速度计、陀螺仪、磁力计、罗盘、气压计以及GPS，它们可以用作这些专用传感器或运动捕捉设备的廉价的且可广泛使用的替代品。市场上已经存在利用智能手机传感器的一些特定应用，例如交通方式检测。例如，AndroidOS和AppleiOS均基于智能手机的传感器读数持续地执行交通方式检测。这些应用基于所谓的由规则集组成的分类器。然后机器学习算法通过处理大量手动标记的数据(即手动地与运动行为相关的传感器数据)来自动地生成这些规则。机器学习中的这种规则的自动生成也被称为训练。然后用于训练的数据被称为训练数据。为了训练算法，需要对数据进行标记，即，必须将该规则集的期望结果添加至某输入数据本文档来自技高网...

【技术保护点】
一种用于通过包括一个或多个较低的隐藏层(121、202、502、505、905)和一个或多个较高的隐藏层(122、203、604、803、903、908、910)的神经网络(120、220)估计移动通信设备的用户的运动行为(112、605、703、804、904、909、911)的计算机实现方法；所述方法还包括以下步骤：‑从所述移动通信设备中的一个或多个传感器获得(401)传感器数据(110、201、501、504、601、701、801、901)；以及‑获得(402)与所述用户的运动相关的测量值(503、506、603、802、907)；以及‑用第一所述传感器数据集将所述测量值标记(403)...

【技术特征摘要】
【国外来华专利技术】2015.06.26 US 62/185,0001.一种用于通过包括一个或多个较低的隐藏层(121、202、502、505、905)和一个或多个较高的隐藏层(122、203、604、803、903、908、910)的神经网络(120、220)估计移动通信设备的用户的运动行为(112、605、703、804、904、909、911)的计算机实现方法；所述方法还包括以下步骤：-从所述移动通信设备中的一个或多个传感器获得(401)传感器数据(110、201、501、504、601、701、801、901)；以及-获得(402)与所述用户的运动相关的测量值(503、506、603、802、907)；以及-用第一所述传感器数据集将所述测量值标记(403)为弱标记数据；以及-预训练(404)所述一个或多个较低的隐藏层以根据所述第一传感器数据集估计所述测量值，以估计所述用户的所述运动；以及-获得(405)第二所述传感器数据集；其中用所述第二集将所述用户的运动行为标记为标记数据；以及-用所述标记数据训练(406)所述神经网络中的所述一个或多个较高的隐藏层以估计所述用户的所述运动行为作为所述输出。2.根据权利要求1所述的方法，其中，所述训练(406)还包括对所述神经网络中的所述一个或多个较低的隐藏层进行训练。3.根据权利要求1或2所述的方法，包括：-在所述预训练之前，将输出层堆叠在所述一个或多个较低的隐藏层的顶部上，以计算所述用户的所述运动；以及-在所述预训练之后，去除所述输出层并将所述一个或多个较高的隐藏层堆叠在所述一个或多个较低的隐藏层上。4.根据权利要求1或2所述的方法，包括：-在所述预训练之后，去除所述较低的隐藏层的一个或多个顶部层。5.根据前述权利要求中的任一项所述的方法，其中，所述传感器包括加速度计和/或罗盘和/或陀螺仪(501、504、601、701、801、901)。6.根据前述权利要求中的任一项所述的方...

【专利技术属性】
技术研发人员：弗兰克·韦尔比斯特，乔伦·范·泽韦伦，文森特·斯普鲁伊特，文森特·约克凯，
申请(专利权)人：圣蒂安斯公众有限公司，
类型：发明
国别省市：比利时,BE