典型文献
基于渐进式神经网络架构搜索的人体运动识别
文献摘要：
为了解决基于传感器数据的运动识别问题,利用深度卷积神经网络(CNN)在公开的OPPORTUNITY传感器数据集上进行运动识别,提出了一种改进的渐进式神经网络架构搜索(PNAS)算法.首先,神经网络模型设计过程中不再依赖于合适拓扑结构的手动选择,而是通过PNAS算法来设计最优拓扑结构以最大化F1分数;其次,使用基于序列模型的优化(SMBO)策略,在该策略中将按照复杂度从低到高的顺序搜索结构空间,同时学习一个代理函数以引导对结构空间的搜索;最后,将搜索过程中表现最好的20个模型在OPPORTUNIT数据集上进行完全训练,并从中选出表现最好的模型作为搜索到的最优架构.通过这种方式搜索到的最优架构在OPPORTUNITY数据集上的F1分数达到了93.08％,与进化算法搜索到的最优架构及DeepConvLSTM相比分别提升了1.34％和1.73％,证明该方法能够改进以前手工设计的模型结构,且是可行有效的.
文献关键词：
人体运动识别;深度学习;神经网络架构搜索;卷积神经网络;基于序列模型的优化
中图分类号：
作者姓名：
王震宇;张雷;高文彬;权威铭
作者机构：
南京师范大学电气与自动化工程学院,南京210023
文献出处：
引用格式：
[1]王震宇;张雷;高文彬;权威铭-.基于渐进式神经网络架构搜索的人体运动识别)[J].计算机应用,2022(07):2058-2064
A类：
OPPORTUNITY,基于序列模型的优化,SMBO,OPPORTUNIT,DeepConvLSTM
B类：
渐进式神经网络,神经网络架构搜索,人体运动识别,传感器数据,深度卷积神经网络,行运,PNAS,模型设计,设计过程中,拓扑结构,顺序搜索,索结构,结构空间,全训,出表,进化算法,模型结构
AB值：
0.184553
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。
