RT，基于flash（as3）做的捕鱼达人类的游戏，用flash plyer打开src文件夹下的.swf文件即可运行。
2021-05-27 15:18:20
6.32MB
1
本书介绍的是人脑和机器连接的可能性，以及人脑和机器连接的接口。
2021-05-09 21:01:57
26.43MB
1
数据是从MPII人类姿势收集的，并转化为一个".csv"文件。
mpii_human_pose.csv
2021-05-07 11:44:42
1.46MB
1
运用智能手机传感器数据进行人类行为识别研究在医疗服务、智能环境和网络空间安全等领域有许多重要应用。目前，大多数的分类方法识别率都不高，尤其是在医疗服务领域。为了提高行为活动的识别准确率，先利用稀疏局部保持投影降维，将实验的数据集进行特征约简得到最优的实验特征子集，再用随机森林集成分类器完成了人类行为识别。实验结果证明，该方法不仅明显地降低了实验的特征数量，而且提高了整体精确度。
2021-05-06 19:55:22
683KB
1
使用智能手机数据集和LSTM RNN的人类活动识别（HAR）。 将运动类型分为以下六类：
步行，
WALKING_UPSTAIRS，
WALKING_DOWNSTAIRS，
坐下
常设，
铺设。
与传统方法相比，使用具有长短期记忆单元（LSTM）的递归神经网络（RNN）不需要或几乎不需要特征工程。 数据可以直接馈入神经网络，就像黑盒子一样，对问题进行正确建模。 关于活动识别数据集的可以使用大量的特征工程，这是一种结合了经典数据科学技术的信号处理方法。 就数据预处理量而言，此处的方法非常简单。
让我们使用Google简洁的深度学习库TensorFlow演示LSTM的用法，LSTM是一种可以处理顺序数据/时间序列的人工神经网络。
视频数据集概述
点击此链接可观看其中一位参与者在实验中记录的6个活动的视频：
有关输入数据的详细信息
我将在数据上使用LSTM进行学习（作为连接在腰部的手机），以识别用户正在进行的活动类型。 数据集的描述如下：
传感器信号（加速度计和陀螺仪）通过应用噪声滤波器进行预处理，然后在2.56秒和50％重叠（128个读数/窗口）的固定宽度滑动窗口中采
2021-05-04 10:14:43
262KB
1