技术编号：36254057
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。.本发明涉及计算、深度学习技术领域，尤其涉及一种基于卷积与循环神经网络融合的人类活动识别方法。背景技术.在过去的几年中，深度学习在人类活动识别领域中得到了广泛的应用。传统的方法通常使用手工设计的特征和分类器来进行人类活动的识别，而深度学习方法则可以从原始传感器数据中提取特征，从而实现更准确的识别。其中，卷积神经网络(cnn)和循环神经网络(rnn)是深度学习中最常用的模型之一。cnn能够有效地提取时间序列数据中的空间特征，而rnn则能够捕捉时间序列数据中的时间特征。.然而，人类活动识别仍然...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权，增加技术思路，做技术知识储备，不适合论文引用。
请注意，此类技术没有源代码，用于学习研究技术思路。