基于受限玻尔兹曼机的个体运动健康测评方法研究
【图文】:
机的模型及应用殊拓扑结构的神经网络。经过多年的试验和科学研究处理和协同过滤等方面得到了广泛的应用。而由受限络模型更是在机器学习中解决了很多复杂的问题。的基本模型型是一种特殊的玻尔兹曼机模型,一个受限玻尔兹曼见层v(visible)和隐层h(hidden),数据由可见层输入,之间的特点是层内无连接,层间全连接,可以看出 R之间的连接权重一般用W 来表示,由下图 2.1 所示。者隐层的神经元之间均不会出现自连接的情况,层间隐层的神经元相互之间都有连接,因此玻尔兹曼机具间的状态时,各隐藏层神经元的激活条件独立;反之时,各可见层神经元的激活条件也独立[20-22]。
图 3.1 RBM 分类结构Fig. 3.1 RBM classification s分类结构图可以看到,Softmax 神经元是一理指标用 K× M的矩阵V 来表示。上图中的设我们已知可见层中可见单元的状态,那1exp(1(1|)1 = + ==MijjbPhv在已知隐藏单元状态下,可见单元的概率 = ==++==KlFjiFjkijkikiawawPvh1 111exp(exp((1|)中的kijw 表示第 k 行第i 列的元素与第 j 个元素的偏置。BM 按照对比散度算法对各个参数的更新
【学位授予单位】:西华大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP18;R319
【参考文献】
相关期刊论文 前10条
1 林文_";胡婧;;血乳酸在运动训练中的应用案例分析[J];中国体育教练员;2015年02期
2 陈学伟;张娜;徐传香;安改红;佘晓俊;崔博;马强;;最大摄氧量间接测量法-踏阶运动心率的变化特征[J];解放军预防医学杂志;2015年01期
3 倪灵子;于可红;;美国、日本学生体质测试的演进与发展[J];浙江体育科学;2015年01期
4 于红妍;;中国学生体质测试的演进历程及阶段特征[J];北京体育大学学报;2014年10期
5 田祯祥;;不同强度运动对体育学院非体育生血乳酸浓度的影响[J];当代体育科技;2014年27期
6 蒲西安;;国内外国民体质监测研究现状[J];浙江体育科学;2014年05期
7 吕毓虎;蒲西安;程林;;不同运动强度对人体血乳酸的影响[J];四川体育科学;2014年04期
8 孙凯;;主观体力感觉在体育科研中应用现状与展望[J];金田;2014年06期
9 于红妍;李婷;;我国学生体质健康监测效果模糊综合评价模型[J];中国学校体育(高等教育);2014年01期
10 陆作生;杨倩;陈金婵;;21世纪日本增强中小学生体质的体育策略及其启示[J];体育学刊;2013年06期
相关博士学位论文 前4条
1 高刚;新时期优化青少年学生体质健康评价指标研究[D];华东师范大学;2014年
2 陈宇;基于深度置信网络的中文信息抽取方法[D];哈尔滨工业大学;2014年
3 余岚;大学生个性化体质健康促进研究[D];北京体育大学;2013年
4 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年
相关硕士学位论文 前8条
1 王永杰;人工神经网络算法在GDP和CPI中的预测应用[D];中北大学;2017年
2 刘少洁;中日大学生体质健康及生活习惯的比较研究[D];华东师范大学;2016年
3 曾丽霞;基于情境感知的智能穿戴设备交互设计研究[D];江南大学;2016年
4 张艳霞;基于受限玻尔兹曼机的深度学习模型及其应用[D];电子科技大学;2016年
5 丰晓霞;基于深度学习的图像识别算法研究[D];太原理工大学;2015年
6 仝少敏;基于受限玻尔兹曼机的面部运动识别方法研究[D];哈尔滨工业大学;2014年
7 徐玮聪;高校大学生身体成分不同测量方法的比较研究[D];首都体育学院;2014年
8 姜良玲;不同强度放松跑对最大乳酸耐受训练后血乳酸恢复的影响研究[D];武汉体育学院;2014年
,本文编号:2651952
本文链接:https://www.wllwen.com/yixuelunwen/swyx/2651952.html