典型文献
基于时空图小波神经网络的手部动作识别方法
文献摘要：
根据车间人员操作监控的需要,文中研究了一种基于深度学习的新方法——时空图小波神经网络(ST-GWNN).该算法对图小波卷积进行参数化,以降低每层图卷积层的参数复杂度,并采用一阶切比雪夫多项式逼近图小波卷积;分离多项式阶数K与邻接节点阶数之间的关系,固定多项式阶数,通过调整超参数s来改变邻域范围,从而识别更多复杂的手部动作.实验结果表明,文中提出的ST-GWNN在动作识别中的识别率优于目前常用的时空图卷积神经网络,并且能够充分利用动作的时空关联性.
文献关键词：
手部动作识别;图卷积神经网络;时空图;小波变换;一阶切比雪夫多项式
中图分类号：
作者姓名：
刘电霆;梁桂宾;周运刚
作者机构：
桂林理工大学机械与控制工程学院,广西桂林541004;桂林理工大学南宁分院,广西南宁530000;广西科技大学机械与交通工程学院,广西柳州545000
文献出处：
引用格式：
[1]刘电霆;梁桂宾;周运刚-.基于时空图小波神经网络的手部动作识别方法)[J].电子机械工程,2022(03):59-64
A类：
一阶切比雪夫多项式
B类：
小波神经网络,手部动作识别,中研,ST,GWNN,参数化,每层,卷积层,多项式逼近,阶数,邻接,超参数,邻域,识别率,时空图卷积神经网络,时空关联性,小波变换
AB值：
0.19307
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
