基于MLP神經(jīng)網(wǎng)絡(luò)的優(yōu)化跌倒檢測模型研究與實現(xiàn)

打開文本圖片集

摘要：該文以多層感知器（Multilayer Perceptron，MLP）神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，提出了一種高效快速的跌倒檢測多層感知模型（Fall Detection Multilayer Perceptron，F(xiàn)DMLP）。該模型基于公開的姿態(tài)數(shù)據(jù)集進(jìn)行特征強(qiáng)化和標(biāo)簽分類，得到特征值數(shù)據(jù)集進(jìn)行訓(xùn)練；通過學(xué)習(xí)率范圍測試確定初始學(xué)習(xí)率的上下邊界值，設(shè)置學(xué)習(xí)率隨迭代數(shù)次進(jìn)行指數(shù)衰減優(yōu)化訓(xùn)練過程采用全整數(shù)量化的優(yōu)化策略，將量化后的模型部署到嵌入式設(shè)備的 Flash 中，實現(xiàn)低功耗、高準(zhǔn)確率的邊緣計算。（剩余6956字）