项目描述 ：
这是我的硕士项目，我参与使用来自无线传感器数据挖掘实验室（WISDM）的数据集来构建机器学习模型，以使用智能手机加速度计，使用Tensorflow框架，循环神经网络和多个堆栈来预测基本的人类活动。用于构建深度网络的短期内存单元（LSTM）。在训练模型之后，将其保存并导出到Android应用程序，并使用模型和界面进行预测，以使用文本到语音API说出结果。

高级语言： Python

项目主页：

项目地址: git://github.com/girishp92/Human-activity-recognition-using-Recurrent-Neural-Nets-RNN-LSTM-and-Tensorflow-on-Smartphones.git

创建时间： 2017-09-12T21:50:03Z
项目社区：https://github.com/girishp92/Human-activity-recognition-using-Recurrent-Neural-Nets-RNN-LSTM-and-Tensorflow-on-Smartphones
开源协议：
关键词：
human-activities smartphone-accelerometer android-application machine-learning deep-learning proof-of-concept scikit-learn python3 pickle rnn-tensorflow androidstudio lstm-neural-networks pycharm-ide hidden-units
下载