面向手机传感器活动识别的深度神经网络对比研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 论文主要内容及章节安排 | 第14-16页 |
| 第2章 基于CNN的人类活动识别 | 第16-34页 |
| 2.1 CNN原理 | 第16-25页 |
| 2.1.1 LeNet-5 的信号处理流程 | 第17-22页 |
| 2.1.2 LeNet-5 的训练过程 | 第22-24页 |
| 2.1.3 Softmax回归 | 第24-25页 |
| 2.2 数据集及数据处理 | 第25-29页 |
| 2.2.1 数据集 | 第25-28页 |
| 2.2.2 数据处理 | 第28-29页 |
| 2.3 实验部分 | 第29-33页 |
| 2.3.1 网络设计工具TensorFlow | 第29页 |
| 2.3.2 CNN结构及实验流程 | 第29-31页 |
| 2.3.3 实验结果及分析 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于LSTM的人类活动识别 | 第34-51页 |
| 3.1 LSTM原理 | 第34-42页 |
| 3.1.1 梯度消失/梯度爆炸 | 第35-38页 |
| 3.1.2 LSTM | 第38-42页 |
| 3.2 线性激活函数与Dropout | 第42-44页 |
| 3.2.1 线性激活函数 | 第42-43页 |
| 3.2.2 Dropout | 第43-44页 |
| 3.3 数据集及数据处理 | 第44页 |
| 3.4 实验部分 | 第44-50页 |
| 3.4.1 实验工具 | 第44-47页 |
| 3.4.2 实验和结果分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于ResNet的人类活动识别 | 第51-58页 |
| 4.1 ResNet原理 | 第51-55页 |
| 4.2 数据集及数据处理 | 第55页 |
| 4.3 实验及分析 | 第55-57页 |
| 4.3.1 实验所用网络结构 | 第55-56页 |
| 4.3.2 实验结果分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |
