来源：期刊VIP网 时间：
作者：王赛;张立新;陈乃源;阚希;王军昂;吴凯枫;
单位：南京信息工程大学自动化学院;无锡学院;
摘要：针对传统的神经网络对人类活动行为识别精度不高的问题，本文提出了一种基于双通道机制的卷积神经网络叠加双向长短期记忆网络和自注意力的混合网络模型(convolutional neural network-bi-directional long short-term memory-self-attention, CNN-BiLSTM-SA)。首先将数据集中的加速度和角速度数据作为网络的两个输入，然后使用卷积神经网络叠加双向长短期记忆网络的模式搭建系统，最后引入自注意力机制增强系统的分类能力。实验结果表明，在UCI-HAR数据集中，本网络的平均F_1分数达到98.6%,平均准确率达到98.4%,比卷积神经网络叠加长短期记忆神经网络模型(convolutional neural network-long short-term memory, CNN-LSTM)收敛速度更快并且准确率提高了4.2%,在人类活动识别方面，具有更广阔的应用前景。
关键词：人类活动识别;;传感器;;CNN-BiLSTM;;自注意力机制
基金资助：国家自然科学基金资助项目(42105143);; 江苏省教育厅,江苏省高等学校基础科学(自然科学)研究资助项目(580221016)
