当前位置: 首页 > 专利查询>南通大学专利>正文

一种构造原型特征进行人类活动识别的高效深度学习方法技术

技术编号:42670394 阅读:23 留言:0更新日期:2024-09-10 12:24
本发明专利技术提供一种构造原型特征进行人类活动识别的高效深度学习方法,属于深度学习技术领域。解决了测试域数据与训练域数据分布不同导致的性能下降与降低TransformerO(L^2)复杂度的技术问题。其技术方案为:计算QK特征与均值特征的距离构建两组一维矩阵并由这两个矩阵计算注意力矩阵降低复杂度、初始化原型特征池通过门网络决赋值权重并挑选原型样本与非关注特征进行融合,新构造出来的特征再与关注特征进行加权融合,原型损失函数的设计保证构造特征的有效性与识别的准确性。本发明专利技术的有益效果为:本发明专利技术方法与现有的一些基于深度学习方法相比,具有更高的识别准确率与鲁棒性。

【技术实现步骤摘要】

本专利技术属于深度学习,具体涉及一种构造原型特征进行人类活动识别的高效深度学习方法


技术介绍

1、人类活动识别是指利用传感器技术和机器学习算法来识别人类的日常活动和行为。这项技术通常使用加速度计、陀螺仪、磁力计等传感器来捕获人体运动数据,然后通过机器学习模型对这些数据进行分析和分类,以识别出人类正在进行的活动,比如走路、跑步、坐着、站立等。这项技术在健康监测、智能家居、运动训练等领域具有广泛的应用前景。通过人类活动识别技术,智能设备可以更好地理解用户行为,从而提供个性化的服务和建议。

2、深度学习在解决人类活动识别问题时具有诸多优势。首先,深度学习模型能够从大规模和复杂的数据中学习特征表示,无需手工设计特征,从而提高了模型的自动化和泛化能力。其次,深度学习模型可以灵活地适应不同类型和规模的活动数据,并且能够处理时间序列信息和多模态数据,从而提高了识别的准确性和鲁棒性。此外,随着硬件计算能力的提升和算法优化的不断进行,深度学习模型在实时性和效率方面也取得了显著进展,能够满足对快速响应的需求。综上所述,深度学习技术为人类活动识别提供了强大的工具和本文档来自技高网...

【技术保护点】

1.一种构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,所述S1具体包括以下步骤:

3.根据权利要求2所述的构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,所述S2具体包括以下步骤:

4.根据权利要求3所述的构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,所述S3具体包括以下步骤:

5.根据权利要求4所述的构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,所述S4具体包括以下步骤:

【技术特征摘要】

1.一种构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的构造原型特征进行人类活动识别的高效深度学习方法,其特征在于,所述s1具体包括以下步骤:

3.根据权利要求2所述的构造原型特征进行人类活动识别的高效深度学习方法...

【专利技术属性】
技术研发人员:张晓峰滕堂智万杰徐辉蒋巨峰
申请(专利权)人:南通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1