国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)的制作方法

      文檔序號(hào):10570423閱讀:222來(lái)源:國(guó)知局
      一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)的制作方法
      【專利摘要】本發(fā)明特別涉及一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)。該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),首先通過(guò)攝像機(jī)獲取高清圖像,并均分為四個(gè)區(qū),獲取分區(qū)的信息,在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí);通過(guò)傳感器判斷重心是否偏移,當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí),預(yù)警系統(tǒng)計(jì)算摔倒的概率,并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者。該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),在傳統(tǒng)BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù),加入自動(dòng)分類校驗(yàn)技術(shù),提取圖像大概的參數(shù),提高了應(yīng)用的實(shí)時(shí)性;通過(guò)智能學(xué)習(xí)算法,根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí),快速給出摔倒幾率和需要監(jiān)護(hù)人采取的措施,能夠有效減小老年人摔倒的幾率。
      【專利說(shuō)明】
      一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)
      技術(shù)領(lǐng)域
      [0001] 本發(fā)明涉及圖像內(nèi)容分析技術(shù)領(lǐng)域,特別涉及一種基于改進(jìn)的智能學(xué)習(xí)算法的老 年人防摔倒技術(shù)。
      【背景技術(shù)】
      [0002] 圖像內(nèi)容分析技術(shù)是將獲取到的實(shí)時(shí)圖像進(jìn)行分類,然后進(jìn)行模式識(shí)別。目前這 一技術(shù)的使用多在于考勤、門禁等設(shè)備上。在人臉識(shí)別方面,通過(guò)智能學(xué)習(xí)算法分析圖像關(guān) 鍵位置的數(shù)據(jù)從而判斷圖像的內(nèi)容反饋給用戶。
      [0003] 目前比較先進(jìn)的人臉識(shí)別解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技 術(shù)。它可以克服光線變化的影響,已經(jīng)取得了卓越的識(shí)別性能,在精度、穩(wěn)定性和速度方面 的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速,使人臉識(shí)別技術(shù) 逐漸走向?qū)嵱没?br>[0004] 人臉與人體的其它生物特征(指紋、虹膜等)一樣與生倶來(lái),它的唯一性和不易被 復(fù)制的良好特性為身份鑒別提供了必要的前提,與其它類型的生物識(shí)別比較人臉識(shí)別具有 如下特點(diǎn):
      [0005] 非強(qiáng)制性:用戶不需要專門配合人臉采集設(shè)備,幾乎可以在無(wú)意識(shí)的狀態(tài)下就可 獲取人臉圖像,這樣的取樣方式?jīng)]有"強(qiáng)制性";
      [0006] 非接觸性:用戶不需要和設(shè)備直接接觸就能獲取人臉圖像;
      [0007] 老年人走路摔倒在社會(huì)倫理和法制方面都曾是一時(shí)的熱點(diǎn),基于此,本發(fā)明提出 了一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)。通過(guò)攝取老年人表情的實(shí)時(shí)圖像, 然后采取圖像的信息,通過(guò)分析圖像的內(nèi)容給出正確的判斷,方便了理解老年人需求的解 讀,從而為在老年人保護(hù)方面有了保證。

      【發(fā)明內(nèi)容】

      [0008] 本發(fā)明為了彌補(bǔ)現(xiàn)有技術(shù)的缺陷,提供了一種簡(jiǎn)單高效的基于改進(jìn)的智能學(xué)習(xí)算 法的老年人防摔倒技術(shù)。
      [0009] 本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的:
      [0010] -種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),其特征在于:在老人的鞋底 和膝蓋布置感應(yīng)器,用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和偏移特性,并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué) 習(xí)算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像,并均分為四個(gè)區(qū),獲取分區(qū)的信息, 在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí);結(jié)合經(jīng)驗(yàn)值判斷學(xué)習(xí)樣本是否收斂,若不收斂則進(jìn) 行自我診斷并重新獲取分區(qū)的信息,若收斂則通過(guò)傳感器判斷重心是否偏移,當(dāng)重心偏移 與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí),則表明老年人迅速移動(dòng)的可能性比較大,預(yù)警 系統(tǒng)計(jì)算摔倒的概率,并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者;當(dāng)重心偏移與場(chǎng)景學(xué)習(xí) 到的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí),則繼續(xù)學(xué)習(xí)。
      [0011]所述改進(jìn)的算法,是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰 圖像之間的差值,進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí);通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作 為初始參數(shù),權(quán)重根據(jù)路由隨機(jī)設(shè)置,根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí),學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中 設(shè)定的標(biāo)準(zhǔn)值,在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù) 和長(zhǎng)期優(yōu)化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。
      [0012] 所述改進(jìn)的算法還接入了過(guò)濾功能,當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng),將不 會(huì)引起老年人興趣的圖像刪除。
      [0013] 所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn),修改了優(yōu)化函數(shù)f (x),加入了動(dòng)向量,樣板是動(dòng)態(tài)的,但是需要多次學(xué)習(xí)之間的聯(lián)系,故引入了記憶保持值 cache,通過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì),得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí) 之前三次的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中,優(yōu)化函數(shù)f(x)和輸入函數(shù) Sj為所述改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具;
      [0014]所述優(yōu)化函數(shù)f(x)計(jì)算公式如下:
      [0016] 其中,radom(x)為前N次的經(jīng)驗(yàn)值函數(shù),c為記憶保持值;
      [0017]輸入函數(shù)Sj計(jì)算公式如下: n
      [0018] Sj 二 Wif bj + rmicl(xi) - WjX + hj -h rand{M) i-'i ,
      [0019]其中,bj表示閾值,xi為輸入,^為權(quán)值,rand〇是平衡值函數(shù)。
      [0020]本發(fā)明的有益效果是:該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),在傳統(tǒng) BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù),加入自動(dòng)分類校驗(yàn)技術(shù),提取圖像大概的參數(shù),提高了應(yīng) 用的實(shí)時(shí)性;通過(guò)智能學(xué)習(xí)算法,根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí),快速給出摔倒幾率和需要監(jiān)護(hù)人 采取的措施,能夠有效減小老年人摔倒的幾率。
      【附圖說(shuō)明】
      [0021]附圖1為本發(fā)明改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)原理原型示意圖。
      [0022]附圖2為本發(fā)明改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法示意圖。
      [0023] 附圖3為本發(fā)明改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒方法示意圖。
      【具體實(shí)施方式】
      [0024] 為了使本發(fā)明所要解決的技術(shù)問(wèn)題、技術(shù)方案及有益效果更加清楚明白,以下結(jié) 合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行詳細(xì)的說(shuō)明。應(yīng)當(dāng)說(shuō)明的是,此處所描述的具體實(shí)施例僅用 以解釋本發(fā)明,并不用于限定本發(fā)明。
      [0025] 該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),在老人的鞋底和膝蓋布置感應(yīng) 器,在鞋底有9個(gè)感應(yīng)器,膝蓋部位兩邊各有兩個(gè)感應(yīng)器,用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和 偏移特性,并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像, 并均分為四個(gè)區(qū),獲取分區(qū)的信息,在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí);結(jié)合經(jīng)驗(yàn)值判斷 學(xué)習(xí)樣本是否收斂,若不收斂則進(jìn)行自我診斷并重新獲取分區(qū)的信息,若收斂則通過(guò)傳感 器判斷重心是否偏移,當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí),則表明老年 人迅速移動(dòng)的可能性比較大,預(yù)警系統(tǒng)計(jì)算摔倒的概率,并將摔倒的概率和應(yīng)急措施反饋 給監(jiān)護(hù)者;當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí),則繼續(xù)學(xué)習(xí)。
      [0026]改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)原理原型如附圖1所示,本發(fā)明是在原型的基礎(chǔ)上進(jìn)行了權(quán)值 和目標(biāo)值的動(dòng)態(tài)改變,使得整個(gè)樣本都有了活性。在學(xué)習(xí)過(guò)程中不再是單純的迭代學(xué)習(xí),而 是伴隨著記憶值進(jìn)行優(yōu)化,加入的隨機(jī)權(quán)值更貼近于現(xiàn)實(shí)。
      [0027]原始的BP網(wǎng)并不是十分的完善,它學(xué)習(xí)收斂速度太慢,網(wǎng)絡(luò)的學(xué)習(xí)記憶具有不穩(wěn) 定性,即:當(dāng)給一個(gè)訓(xùn)練好的網(wǎng)提供新的學(xué)習(xí)記憶模式時(shí),將使已有的連接權(quán)值被打亂,導(dǎo) 致已記憶的學(xué)習(xí)模式的信息的消失。在此基礎(chǔ)上對(duì)BP神經(jīng)網(wǎng)絡(luò)算法加以改造,引入動(dòng)量項(xiàng), 加入記憶值和自我過(guò)濾技術(shù)。
      [0028]學(xué)習(xí)樣本是不斷變化的,所以誤差E也是變化的,所以神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是動(dòng)態(tài)的, 為了監(jiān)視每次優(yōu)化之間的聯(lián)系,還要加入記憶功能,
      [0029]所述改進(jìn)的算法,是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰 圖像之間的差值,進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí);通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作 為初始參數(shù),權(quán)重根據(jù)路由隨機(jī)設(shè)置,根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí),學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中 設(shè)定的標(biāo)準(zhǔn)值,在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù) 和長(zhǎng)期優(yōu)化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。
      [0030] 分析圖像內(nèi)容是本發(fā)明的一個(gè)技術(shù)要求點(diǎn),通過(guò)對(duì)比圖像的內(nèi)容可以將場(chǎng)景中的 圖像進(jìn)行模糊分類,比如撞擊類,或者自發(fā)類。
      [0031] 計(jì)算公式:
      [0032] R = G = B= (0.299R+0.587G+0.114B)/(0.299+0.587+0.117) =0.299R+0.587G+ 0.114B獲取每個(gè)圖像的像素灰度值之和,每個(gè)圖像取一個(gè)相同大小的區(qū)域,n張圖的情況 下,輸入樣本值就是4*n。
      [0033] 圖像內(nèi)容分類的數(shù)據(jù)庫(kù)中存放著標(biāo)準(zhǔn)的圖像像素的相對(duì)值記錄,也就是一個(gè)老年 人按照分區(qū)的原理,通過(guò)學(xué)習(xí)每個(gè)環(huán)境中可以引起老年人興趣的內(nèi)容,劃分類別。所以在智 能學(xué)習(xí)的情況下需要將有限的數(shù)據(jù)記錄作為目標(biāo)學(xué)習(xí)值,數(shù)據(jù)庫(kù)的數(shù)據(jù)記錄不會(huì)很多,但 是要分類,本發(fā)明中學(xué)習(xí)算法根據(jù)分析出的圖像內(nèi)容類,進(jìn)行進(jìn)一步的學(xué)習(xí)來(lái)判斷結(jié)果。每 次運(yùn)行完都會(huì)有專門的參數(shù)來(lái)保存這次的學(xué)習(xí)的最優(yōu)值。
      [0034]表1數(shù)據(jù)庫(kù)數(shù)據(jù)記錄
      [0036] 通過(guò)圖像劃分場(chǎng)景中的事物的分類,建立一個(gè)基本的數(shù)據(jù)庫(kù),該數(shù)據(jù)庫(kù)中的記錄 是根據(jù)學(xué)習(xí)算法初始學(xué)習(xí)的結(jié)果。比如老年人對(duì)前面的玩具比較感興趣,或者對(duì)前面的衛(wèi) 生工具感興趣系統(tǒng)會(huì)提前根據(jù)場(chǎng)景中的內(nèi)容進(jìn)行學(xué)習(xí),通過(guò)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法學(xué) 習(xí),最終找到相似的數(shù)據(jù)記錄,將有可能引起老年人興趣的場(chǎng)景或者事物反饋回來(lái)。
      [0037] 所述改進(jìn)的算法還接入了過(guò)濾功能,當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng),將不 會(huì)引起老年人興趣的圖像刪除。過(guò)濾技術(shù)的添加使得離譜的數(shù)據(jù)樣本在學(xué)習(xí)很少次數(shù)以后 就淘汰了,將離譜的數(shù)據(jù)提前淘汰,比學(xué)習(xí) n次以后才發(fā)現(xiàn)數(shù)據(jù)不合法更加智能。
      [0038] 所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn),修改了優(yōu)化函數(shù)f (X),加入了動(dòng)向量,樣板是動(dòng)態(tài)的,但是需要多次學(xué)習(xí)之間的聯(lián)系,故引入了記憶保持值 cache,通過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì),得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí) 之前三次的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中,優(yōu)化函數(shù)f(x)和輸入函數(shù) Sj為所述改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具;
      [0039]所述優(yōu)化函數(shù)f(x)計(jì)算公式如下:
      [0041 ] 其中,radom(x)為前N次的經(jīng)驗(yàn)值函數(shù),c為記憶保持值;
      [0042]輸入函數(shù)Sj計(jì)算公式如下: .11
      [0043] Sj 二 ^ HV/ *Xi + hj + randixi) - WjX + hj + rand(xi)
      [0044] 其中,bj表示閾值,xi為輸入,為權(quán)值,rand〇是平衡值函數(shù)。
      [0045] 樣板的選取也至關(guān)重要,樣本的獲取主要根據(jù)時(shí)間間隔內(nèi)對(duì)數(shù)據(jù)流中的服務(wù)類型 進(jìn)行提取。
      [0046] 本發(fā)明能夠更加精確的提供老年人的需求輔助,在現(xiàn)實(shí)生活中起到非常好的輔助 作用。與現(xiàn)有技術(shù)相比,還具有以下優(yōu)點(diǎn):
      [0047] (1)、改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法:在傳統(tǒng)BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù),加入自動(dòng) 分類校驗(yàn)技術(shù),提取圖像大概的參數(shù),提高了應(yīng)用的實(shí)時(shí)性。
      [0048] (2)、老年人重心感應(yīng)點(diǎn)檢測(cè)、重心偏移分析,老年人走路的時(shí)候主意原因是肢體 不協(xié)調(diào)導(dǎo)致的重心不穩(wěn)而摔倒,在鞋子和衣服上添加感應(yīng)器,可以分析出著力點(diǎn)的位置以 及短時(shí)間能的變化。
      [0049] (3)、摔倒預(yù)警系統(tǒng)的設(shè)計(jì),引起老年人摔倒的因素不光是自身協(xié)調(diào)因素,當(dāng)老年 人著急走路或者緊急避險(xiǎn),從而導(dǎo)致重心的不穩(wěn),所以環(huán)境因素也是導(dǎo)致老年人摔倒的關(guān) 鍵,本系統(tǒng)通過(guò)智能學(xué)習(xí)算法,根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí),快速給出摔倒幾率和需要監(jiān)護(hù)人采 取的措施。
      【主權(quán)項(xiàng)】
      1. 一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),其特征在于:在老人的鞋底和 膝蓋布置感應(yīng)器,用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和偏移特性,并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像,并均分為四個(gè)區(qū),獲取分區(qū)的信息,在 數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí);結(jié)合經(jīng)驗(yàn)值判斷學(xué)習(xí)樣本是否收斂,若不收斂則進(jìn)行 自我診斷并重新獲取分區(qū)的信息,若收斂則通過(guò)傳感器判斷重心是否偏移,當(dāng)重心偏移與 場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí),則表明老年人迅速移動(dòng)的可能性比較大,預(yù)警系 統(tǒng)計(jì)算摔倒的概率,并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者;當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到 的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí),則繼續(xù)學(xué)習(xí)。2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),其特征在于: 所述改進(jìn)的算法,是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰圖像之間 的差值,進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí);通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作為初始參 數(shù),權(quán)重根據(jù)路由隨機(jī)設(shè)置,根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí),學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中設(shè)定的標(biāo) 準(zhǔn)值,在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù)和長(zhǎng)期優(yōu) 化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。3. 根據(jù)權(quán)利要求2所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),其特征在于: 所述改進(jìn)的算法還接入了過(guò)濾功能,當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng),將不會(huì)引起老 年人興趣的圖像刪除。4. 根據(jù)權(quán)利要求2或3所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù),其特征在 于:所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn),修改了優(yōu)化函數(shù)f(x),加 入了動(dòng)向量,樣板是動(dòng)態(tài)的,但是需要多次學(xué)習(xí)之間的聯(lián)系,故引入了記憶保持值cache,通 過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì),得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí)之前三次 的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中,優(yōu)化函數(shù)f(x)和輸入函數(shù)Sj為所述 改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具; 所述優(yōu)化函數(shù)f (X)計(jì)算公式如下:其中,radom( X)為前N次的經(jīng)驗(yàn)值函數(shù),C為記憶保持值; 輸入函數(shù)Sj計(jì)算公式如下:其中,bj表示閾值,xi為輸入,Wij為權(quán)值,rand()是平衡值函數(shù)。
      【文檔編號(hào)】G06K9/62GK105930871SQ201610269969
      【公開日】2016年9月7日
      【申請(qǐng)日】2016年4月26日
      【發(fā)明人】路廷文
      【申請(qǐng)人】浪潮電子信息產(chǎn)業(yè)股份有限公司
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1