Resumen

Para lograr un reconocimiento de alta precisión de las acciones de aeróbic, se requiere un modelo de aprendizaje profundo altamente aplicable y métodos de procesamiento de datos más rápidos. Por lo tanto, es una dificultad importante en el campo de la investigación sobre el reconocimiento de acciones de aeróbic. En base a esto, este trabajo estudia la aplicación del modelo de red neuronal de convolución (CNN) combinado con el algoritmo de pirámide en el reconocimiento de acciones de aeróbic. En primer lugar, se propone la arquitectura básica del modelo de red neuronal de convolución basado en el algoritmo de la pirámide. En combinación con la estrategia de aplicación del modelo de reconocimiento común en el reconocimiento de la acción de aeróbic, se procesa la información de captura de la acción de aeróbic tradicional. A través de las características de las diferentes acciones de aeróbic, se realiza un reconocimiento preciso y, a continuación, se evalúa el error del modelo de reconocimiento. En segundo lugar, se construye la función de reconocimiento compuesta del modelo de red neuronal de convolución en esta aplicación, y se utiliza el método de reconocimiento de efecto de capa de datos común en el reconocimiento de optimización. Teniendo en cuenta las deficiencias de la función de reconocimiento compuesta, se utiliza el algoritmo de la pirámide para mejorar el modelo de reconocimiento de la red neuronal de convolución mediante la optimización del aprendizaje profundo. Finalmente, a través del experimento de comparación de efectividad, los resultados muestran que el modelo de red neuronal de convolución basado en el algoritmo de la pirámide es más eficiente que el método de reconocimiento convencional en el reconocimiento de acciones de aeróbic.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:reconocimiento de la acción de aeróbic, modelo de red neuronal, algoritmo de pirámide, función de reconocimiento compuesta, convolución, acción de aeróbic diferente, reconocimiento preciso diferente, métodos de reconocimiento convencionales, campo de investigación, modelo de reconocimiento común
• Keywords:aerobics action recognition, neural network model, pyramid algorithm, composite recognition function, convolution, different aerobics action, different accurate recognition, conventional recognition methods, field of research, common recognition model