一种基于改进的LSTM模型在人体行为识别上的应用方法

摘要

本发明公开了一种基于改进的LSTM模型在人体行为识别上的应用方法，包括以下步骤：S1：确定网络隐藏层数及其内部神经元数量；S2：若加深网络层数，则在隐藏层间加入Dropout正则项；S3：改变LSTM单元的内置激活函数，将原来的Tanh函数替换为Softsign函数；S4：改变LSTM内部网络，加入正向与反向LSTM单元形成双向LSTM(Bi‑LSTM)单元；S5：记录改进前后的网络训练时间。本发明，由于加深网络层数，引入Dropout以缓解训练集与测试集之间的过拟合情况；Softsign激活函数替换原LSTM默认函数Tanh，一定程度上提高网络精度，降低损失；引入Bi‑LSTM，在CPU上的训练时间从23分钟减小至8分钟，有效缩短网络训练时间。