使用ABLSTM 实现 human activity

最新推荐文章于 2022-08-07 22:35:27 发布

彭yanyan

最新推荐文章于 2022-08-07 22:35:27 发布

阅读量1.3k

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42729843/article/details/100532793

版权

论文：WiFi CSI Based Passive Human Activity Recognition Using Attention Based BLSTM

论文中使用attention based bi-direction long short-term memory（基于注意力模型的长短期记忆）网络结构实现了人类活动识别。在本篇博客中首先介绍一下RNN、LSTM、GRU和注意力模型的概念，然后再介绍论文中的网络结构。

RNN

这是一个输入与输出序列长度相等的RNN结构图，其中 $\left \{ x^{1},...x^{i} \right \}$ 代表输入序列， $\left \{ y^{1},...,y^{i} \right \}$ 表示输出序列，h表示hidden state

$h^{i}=f(w_{hh}h^{i-1}+w_{hx}x^{i}+b_{h})$

$y^{i}=g(w_{yh}h^{i}+b_{y})$

f和g是激活函数，一般f是tanh或者relu，g取决于输出是什么，是sigmoid或者softmax

LSTM

preview

Long short-term memory(LSTM)是一种特殊的RNN，主要是为了解决RNN训练过程中的梯度消失问题。在反向传播时，序列后面输出层的误差很难影响到前面，也就是说传统的RNN难以捕获相距较远的序列之间的长期依赖。相比于传统的RNN，LSTM多列一个cell memory，用来存储长期依赖࿰

最低0.47元/天解锁文章

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
使用ABLSTM 实现 human activity

论文：WiFi CSI Based Passive Human Activity Recognition Using Attention Based BLSTM论文中使用attention based bi-direction long short-term memory（基于注意力模型的长短期记忆）网络结构实现了人类活动识别。在本篇博客中首先介绍一下RNN、LSTM、GRU和注意力模型的概念...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。