计算机应用

作者：王震宇, 张雷, 高文彬, 权威铭

单位：南京师范大学 电气与自动化工程学院，南京 210023

关键词：人体运动识别,深度学习,神经网络架构搜索,卷积神经网络,基于序列模型的优化

基金：国家自然科学基金资助项目(61971228);江苏省自然科学基金资助项目(BK20191371)

为了解决基于传感器数据的运动识别问题，利用深度卷积神经网络（CNN）在公开的OPPORTUNITY传感器数据集上进行运动识别，提出了一种改进的渐进式神经网络架构搜索（PNAS）算法。首先，神经网络模型设计过程中不再依赖于合适拓扑结构的手动选择，而是通过PNAS算法来设计最优拓扑结构以最大化F1分数；其次，使用基于序列模型的优化（SMBO）策略，在该策略中将按照复杂度从低到高的顺序搜索结构空间，同时学习一个代理函数以引导对结构空间的搜索；最后，将搜索过程中表现最好的20个模型在OPPORTUNIT数据集上进行完全训练，并从中选出表现最好的模型作为搜索到的最优架构。通过这种方式搜索到的最优架构在OPPORTUNITY数据集上的F1分数达到了93.08%，与进化算法搜索到的最优架构及DeepConvLSTM相比分别提升了1.34%和1.73%，证明该方法能够改进以前手工设计的模型结构，且是可行有效的。

来源：2022年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第7期