| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 国内外运动健康研究现状 | 第10-13页 |
| 1.2.1 国内外体质研究现状 | 第10-12页 |
| 1.2.2 国内外健康测评方式研究现状 | 第12-13页 |
| 1.2.3 新一代运动健身测评方式 | 第13页 |
| 1.3 受限玻尔兹曼机的研究现状 | 第13-14页 |
| 1.4 本文研究内容及工作安排 | 第14-16页 |
| 1.4.1 课题的研究内容及研究意义 | 第14页 |
| 1.4.2 论文结构安排 | 第14-16页 |
| 2 受限玻尔兹曼机简介 | 第16-28页 |
| 2.1 受限玻尔兹曼机的模型及应用 | 第16-18页 |
| 2.1.1 受限玻尔兹曼机的基本模型 | 第16-18页 |
| 2.1.2 受限玻尔兹曼机模型的用途 | 第18页 |
| 2.2 受限玻尔兹曼机的算法 | 第18-23页 |
| 2.2.1 Gibbs采样算法 | 第19-20页 |
| 2.2.2 对比散度算法 | 第20-22页 |
| 2.2.3 受限玻尔兹曼机训练算法 | 第22-23页 |
| 2.3 受限玻尔兹曼机的模型评估 | 第23-27页 |
| 2.3.1 受限玻尔兹曼机的训练参数设置 | 第23-25页 |
| 2.3.2 受限玻尔兹曼机的算法评估 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于改进的受限玻尔兹曼机运动强度测评方法 | 第28-41页 |
| 3.1 受限玻尔兹曼机的模型求解 | 第28-30页 |
| 3.1.1 RBM的基本公式推导 | 第28-29页 |
| 3.1.2 受限玻尔兹曼机算法的改进 | 第29-30页 |
| 3.2 受限玻尔兹曼机的应用 | 第30-32页 |
| 3.2.1 传统的受限玻尔兹曼机在运动强度测评中的应用 | 第30-32页 |
| 3.2.2 改进的受限玻尔兹曼机在运动强度测评中的应用 | 第32页 |
| 3.3 运动强度与常用生理指标 | 第32-37页 |
| 3.3.1 心率与乳酸 | 第32-35页 |
| 3.3.2 相对摄氧量与呼吸商 | 第35-36页 |
| 3.3.3 主观用力感觉 | 第36-37页 |
| 3.4 运动强度实验过程分析 | 第37-40页 |
| 3.4.1 RBM训练过程 | 第37-38页 |
| 3.4.2 RBM用于运动强度的训练过程设计环节 | 第38-40页 |
| 3.4.3 RBM测试过程 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于RBM的深度学习模型的最佳运动量预测方法研究 | 第41-50页 |
| 4.1 BP神经网络与深度置信网络介绍 | 第41-43页 |
| 4.1.1 BP神经网络 | 第41-42页 |
| 4.1.2 深度置信网络基本模型介绍 | 第42-43页 |
| 4.2 体质与运动量的关系 | 第43-44页 |
| 4.3 体质与人体生理指标 | 第44-45页 |
| 4.3.1 身高与体重 | 第44页 |
| 4.3.2 肺活量与心率 | 第44-45页 |
| 4.3.3 脂肪率 | 第45页 |
| 4.4 基于深度置信网络的最佳运动量实验过程 | 第45-49页 |
| 4.4.1 DBN训练过程 | 第45-47页 |
| 4.4.2 不同深度的DBN网络模型的最佳运动量预测过程 | 第47-48页 |
| 4.4.3 DBN测试过程 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 运动强度测评和最佳运动量预测实验及结果分析 | 第50-66页 |
| 5.1 运动强度测评实验过程及分析 | 第50-57页 |
| 5.1.1 受限玻尔兹曼机参数设置实验 | 第50-53页 |
| 5.1.2 传统的RBM与改进的RBM的比较实验 | 第53-57页 |
| 5.2 最佳运动量预测实验过程及分析 | 第57-65页 |
| 5.2.1 参数微调的实验 | 第58-60页 |
| 5.2.2 不同深度的DBN网络预测最佳运动量的比较实验 | 第60-65页 |
| 5.3 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录A 运动健康数据 | 第71-75页 |
| 攻读硕士学位期间发表论文及科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
