Artificial intelligence 基于人工神经网络的运动识别

我正在为我的高年级项目开发一个哑铃，可以对不同的练习进行分类和记录。该设备必须能够根据IMU（惯性测量单元）提供的数据对这些练习的范围进行分类。我有加速度、陀螺仪、指南针、俯仰、偏航和横摇数据

为了做到这一点，我倾向于使用人工神经网络，但我也愿意接受其他建议。最终，我想将IMU数据传递到网络中，让它告诉我这是什么样的运动（二头肌卷曲、斜飞等）

---

如果我使用ANN，我应该使用什么类型的ANN（循环或不循环）以及我应该如何实现它？我不知道如何让网络在我传递连续数据流时识别练习。我一直在考虑对一部分输入进行FFT，并将一定数量的频率幅度发送到网络中，但不确定这是否可行。有什么建议/意见吗

您的第一项任务应该是从哑铃收集一些数据。有很多很多不同的方案可用于对数据进行分类，但在您有一些样本数据可供使用之前，很难准确预测哪些方案最有效

---

如果你让5个不同的人做所有的练习，并亲自查看结果数据（例如，试验收集的数据的不同部分），你能区分哪个练习是哪个吗？这可能会提示您在将数据发送到分类器之前，可能需要对数据执行哪些预处理。

首先创建一个大型训练集。 然后你训练它，告诉它实际发生了什么

你也可以使用数据的平均值。 可能使用实际移动和平均2秒、5秒和10秒的移动。将这些也用作输入节点

虽然训练后的网络可以与平均数据以及ea（最后x个样本除以x）一起反馈，但这将为您提供一个稳定的方法。否则，神经网络会变得异常不稳定

---

请注意，训练集可能也需要平均数据，因此您需要一个大的训练集。

嗨，Nathan，谢谢您的建议。我确实有来自IMU的实际数据（俯仰、偏航、横摇），并且能够看到数据随每次练习而变化的模式。我面临的问题是如何将这些数据发送到神经网络。理想情况下，我希望将我获得的所有数据点发送到它，但我不确定它将如何处理以不同速度执行的练习。如果有人以所需的精确速度以外的任何速度进行训练，会不会因为任何一点的值都会有很大的不同而被抛弃？而且，使用传统的神经网络，系统中没有任何内存，因此无法跟踪这些数据点的更改。您要做的是将内容分解为功能。您可以做一些事情，比如对数据进行傅里叶变换，以将基于时间的特征作为单个特征而不是时间序列。您还可以做一些事情，比如取最大值、最小值、平均值等，以再次获得离散特征，而不是时间序列。我见过对时间序列有效的方法，但你最好能找到总结数据中与时间相关的信息的特征。例如，你可以粗略地离散数据，输入是每个离散中有多少样本。