TY -的A2史,平盟- Lu, Xilin盟——凌,本盟,刘书志PY - 2022 DA - 2022/10/04 TI -颞卷积网络和小波变换检测SP - 7267099六世- 2022 AB -秋天检测是一项非常具有挑战性的任务但有意义的人类活动识别健康监测。然而,对于传感器下降预测问题,利用周期性结构如复发性神经网络模型来提取时间功能有时不能准确地捕捉全球信息。因此,提出一种改进的WTCN模型在这个研究中,时间的卷积网络与小波变换相结合。首先,我们使用小波变换来处理一维时域信号转化为一个二维的时频域信号。这个方法能帮助我们有效地处理原始信号数据。其次,我们设计一个时间卷积网络模型与超长的记忆指的是有关卷积架构。它避免了梯度消失和爆炸问题有用。此外,本文还进行了实验比较WTCN模型等典型的周期性结构长期短期记忆网络结合三个数据集,UniMiB莎尔,SisFall, UMAFall。结果表明,WTCN优于其他传统方法,该算法的精度是99.53%,和人类行为可以有效地实时识别。SN - 1687 - 725 - 2022/7267099 / 10.1155 x你——https://doi.org/10.1155/2022/7267099——摩根富林明——《传感器PB - Hindawi KW - ER