买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明属于生理信号处理技术领域，具体的说是一种基于网络架构搜索的人体运动意图识别方法。一种基于网络架构搜索的人体运动意图识别方法，包括以下步骤，S1、获取用于模型训练的样本数据和标签数据；S2、设定用于构建神经网络架构的参数搜索空间，并定义训练目标；S3、采用改进Q学习算法对网络架构的搜索过程进行在线优化，得到最好的神经网络模型；S4、将新的数据集放入搜索结果最好的神经网络模型中，得到新输入数据集对应的映射值。本发明通过大量的算力来自动搜索识别人体运动意图的高效的神经网络架构，减少之前需要大量领域专家进行架构设计的试错时间成本。

主权项：1.一种基于网络架构搜索的人体运动意图识别方法，其特征在于，包括以下步骤，S1、获取用于模型训练的样本数据和标签数据；所述步骤S1具体包括：S11、获取用于模型训练的人体生理信号以及运动角度信号；S12、若生理信号与角度信号的采样频率不一致，则对所述角度信号进行重采样，其采样频率与生理信号采样频率保持一致；S13、对所述生理信号和角度信号分别作为样本数据和标签数据，并分为训练集数据和测试集数据；S2、设定用于构建神经网络架构的参数搜索空间，并定义训练目标；S3、采用改进Q学习算法对网络架构的搜索过程进行在线优化，得到最好的神经网络模型；所述步骤S3包括以下步骤，S31、以各网络层作为状态，记为st，当前网络层选择下一网络层的过程作为行动，记为at，其中t为当前层的序号；S32、建立两个包含所有状态动作对所对应值的存储表，分别为Q值表与M值表；S33、根据Q值表以ε-greedy的策略逐层构建神经网络模型，模型架构可被认为是一条行动的轨迹，记为τa1:n，其中n为输出层的序号；S34、模型训练，计算得到一个奖励r；S35、根据神经网络架构及奖励更新Q值表与M值表；S36、重复步骤S33、S34、S35，直到网络架构搜索回合数达到最大则进行步骤S4；所述步骤S35具体包括：S351、为了增强网络搜索的探索性能，需要对st,at进行访问次数计数，并且利用M值表记录状态动作对的访问情况，具体更新公式如下：Mst,at＝1-αmMst,at+αmγmMst+1,at+12；其中，αm是学习率，γm∈[0,1是折扣因子，并通过估计状态动作对的访问次数以及计算探索奖励rm；S352、为了搜寻最好的网络架构，需要在所有可能的行动轨迹上最大化期望奖励Rτ，具体计算公式如下：Rτ＝∑s,a,s'∈τEr|s,a,s'[r|s,a,s']3；其中，P·为轨迹概率，r为状态s下采取行动a转移到状态s'获得的实时奖励；S353、为了能使期望最大，可以采用递归Bellman方程求解，定义状态空间S与动作空间A，对于任意状态st∈S采取行动a∈A，最大的总期望奖励可以表示为Q*st,a，结合Bellman方程，这一状态动作对的Q值计算如下： 其中，γ为折扣率，特别的，Bellman方程可以采用迭代更新进行计算，具体计算公式如下： 其中，αq是学习率，γq是折扣因子，rt为立即奖励，rm为探索奖励；S4、将新的数据集放入搜索结果最好的神经网络模型中，得到新输入数据集对应的映射值。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于网络架构搜索的人体运动意图识别方法