基于深度学习的智能养老院管控系统关键技术研究

发布时间：2021-06-05 10:39

　　随着社会经济不断发展,医疗保障体系逐渐完善,人们的生活水平也随之提高,人口老龄化将成为我国社会发展的必然趋势。从宏观层面来看,不断加快的老龄化进程给国家和社会带来了巨大的压力。从微观层面来看,老有所养与医养分离在一定程度上造成了老年人看病难、养护难等一系列矛盾和问题。目前很多老年人的居住环境、居住条件以及配套的服务设施都存在较大的隐患,而且相关法规和政策的缺乏,都无法很好的满足老年人自我实现的需要。快速的老龄化加上日益普遍的“空巢”现象,使得养老问题已经演变为一种迫切需要解决的社会问题,也逐渐成为社会各界关心的焦点问题。本文主要通过对智能养老院智能设备管控以及老年人跌倒检测这两方面的分析,结合深度学习相关技术,提出了对于老年人由表及里的一整套管控检测流程。本文研究内容对于深度BP神经网络在老年人辅助管控领域的应用具有重要的参考意义和科研价值。本文研究严格按照老年人体征及身体状态进行数据模拟,从实际应用与科研意义出发,对于老年人所接触的智能设备的自主管控及老年人意外跌倒检测这两方面所使用的关键技术进行了深入研究。本文的主要研究内容与创新点为:（1）结合栈式自编码器与深度BP神经网络相关技... 

【文章来源】：中北大学山西省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

反向传播算法学习过程

智慧养老项目公共平台HomeB部分数据示例

老年群体4类常见意外跌倒

【参考文献】：
期刊论文
[1]智能家居安全综述[J]. 王基策,李意莲,贾岩,周威,王宇成,王鹤,张玉清.  计算机研究与发展. 2018(10)
[2]基于栈式自动编码机的语音质量评价方法[J]. 杨明极,张贵山.  小型微型计算机系统. 2018(10)
[3]深度神经网络训练中梯度不稳定现象研究综述[J]. 陈建廷,向阳.  软件学报. 2018(07)
[4]数据清洗方法研究综述[J]. 赵一凡,卞良,丛昕.  软件导刊. 2017(12)
[5]DeepHome:一种基于深度学习的智能家居管控模型[J]. 毛博,徐恪,金跃辉,王晓亮.  计算机学报. 2018(12)
[6]基于栈式降噪自编码神经网络的车牌字符识别[J]. 贾文其,李明,朱美强,王军.  计算机工程与设计. 2016(03)
[7]基于BIM与物联网的智慧社区管理平台研究[J]. 贾伟新.  黑龙江科技信息. 2016(04)
[8]居家养老医疗服务信息化难点分析及解决策略[J]. 张震江,张梅奎.  中国数字医学. 2015(12)
[9]深度学习中的自编码器的表达能力研究[J]. 王雅思,姚鸿勋,孙晓帅,许鹏飞,赵思成.  计算机科学. 2015(09)
[10]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)

硕士论文
[1]深层神经网络的结构设计方法研究[D]. 杨红丽.北京工业大学 2017
[2]面向老年人跌倒检测算法研究与应用[D]. 袁铭.北京工业大学 2017
[3]基于深度神经网络的人车分类算法[D]. 张国祥.西安电子科技大学 2016
[4]基于视频分析的室内人体跌倒检测方法的实现[D]. 沈秉乾.华南理工大学 2013
[5]基于人机工程学的老年人辅助产品的设计研究[D]. 任静.西安建筑科技大学 2013
[6]基于ZigBee的老年健康监护系统的研究[D]. 刘小钦.安徽理工大学 2012
[7]递归神经网络几个梯度学习算法的收敛性[D]. 丁小帅.大连理工大学 2007



本文编号：3212008