LSTM_TEST:了解LSTM 源码

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