注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Getting-and-Cleaning-Data-Project-源码

  2. 获取和清洁数据项目 数据集 Sooihk Ro提交的“获取和清洁数据”课程项目。它包含有关如何在“人类活动”识别数据集上进行分析的说明。 档案文件 Codebook.md一Codebook.md代码书，描述了要解决的问题，数据集的变量和数据的转换。 run_analysis.R R文件，它对数据集执行准备工作以解决项目的问题。 合并训练和测试集以创建一个数据集。 仅提取每次测量的均值和标准差的测量值。 使用描述性活动名称来命名数据集中的活动 适当地用描述性变量名标记数据集。 根据步骤4中的数据

  3. 所属分类：其它

  1. Learning-R:Coursera-DataScience-Project 3-源码

  2. 我将在此存储库中上传我的数据科学学习 R ------------------------旧工作------------------------ --------------- 同行评分的作业：“获取和清洁数据”课程项目此存储库是Lipsa Jena提交的“获取和清洁数据”课程项目。 它包含有关如何在“人类活动”识别数据集上进行分析的说明。 使用智能手机进行数据集人类活动识别 将CodeBook.md文件保存在代码书中，该书描述了变量，数据以及我为清除数据而执行的任何转换或工作 run_a

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：554kb
    • 提供者：weixin_42168830

  1. R-源码

  2. 同行评分的作业：获取和清理数据课程项目 该存储库是Elijah Zhang提交的“获取和清理数据”课程项目的内容。 它包含有关如何在“人类活动”识别数据集上进行分析的说明。 数据集 使用智能手机进行人类活动识别 档案文件 CodeBook.md一本代码书，描述了变量，数据以及我为清理数据而执行的任何转换或工作 run_analysis.R执行数据准备，然后执行课程项目的定义中所述的5个步骤： 合并训练和测试集以创建一个数据集。 仅提取每次测量的均值和标准差的测量值。 使用描述性活动名称来命

  3. 所属分类：其它

  1. Human-Activity-Recognition:智能手机上传感器的人类活动识别-源码

  2. 人体活动识别 通过智能手机上的传感器识别人类活动的起始代码 需求知识：加速度计，Matlab，基本ML，Android 持续的： N ：原始数据数组的长度 框架大小：250个样本 frameOverlap ：50个样本 frameNum ：所有帧的数量 dimNum ：8 基本变量： rawData ：合并一个活动的所有文件中的所有数据，大小为（N * 3） frame ：将rawData重塑为大小（ frameNum * frameSize * 3 ） 框架：连接所有框架 标签：框

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：15mb
    • 提供者：weixin_42116805

  1. final_project：Coursera课程“使用R获取和清除数据”的最终项目-源码

  2. “使用智能手机进行人类活动识别”数据集版本1.0的转换 科恩·韦尔梅（Koen Vermeij） 此github存储库中包含以下文件： 'README.md' 'CodeBook.md' 'run_analysis.R' “ run_analysis.R”脚本使用由Jorge L. Reyes-Ortiz，Alessandro Ghio，Luca Oneto和Davide Anguita创建的“使用智能手机进行人类活动识别”数据集，并将数据处理并将其转换为新的整洁数据集。 运行时，将执

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：100kb
    • 提供者：weixin_42122432

  1. 第4周的“获取和清洁数据”：编程作业第4周-源码

  2. 每周清洁和获取数据4-PA 编程作业第4周Coursera获取和清洁数据课程项目 目前，可穿戴计算是所有数据科学中最令人兴奋的领域之一-例如，请参见本文。 Fitbit，Nike和Jawbone Up等公司都在竞相开发最先进的算法来吸引新用户。 在此项目中，从三星Galaxy S智能手机的加速度计和陀螺仪收集的数据被检索，处理和清洁，以准备可用于以后分析的整洁数据。 该存储库包含以下文件： README.md，此文件，提供数据集及其创建方式的概述。 tidy_data.txt，其中包含数

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：117mb
    • 提供者：weixin_42118701

  1. 人类活动识别-源码

  2. 人类活动识别 该项目将建立一个模型，以预测人类的活动，例如步行，步行上楼，步行到楼下，坐着，站立或躺下。 该数据集是从30个人（在此数据集中称为主题）收集的，他们使用智能手机在腰间执行不同的活动。 数据通过该智能手机中的传感器（加速度计和陀螺仪）进行记录。 录制了该实验的视频以手动标记数据。 如何记录数据 通过使用智能手机中的传感器（陀螺仪和加速度计），他们捕获了来自加速度计的“ 3轴线性加速度”（ tAcc-XYZ ）和来自陀螺仪的“ 3轴角速度”（ tGyro-XYZ ），具有多种变化。

  3. 所属分类：其它

  1. HAR：使用深度神经网络的人类活动识别（HAR）-源码

  2. 哈尔 使用深度神经网络的人类活动识别（HAR）

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：79mb
    • 提供者：weixin_42129300

  1. 获取和清洁数据分配：约翰霍普金斯大学“获取和清洁数据”课程中的项目-源码

  2. 获取和清洁数据分配 使用智能手机数据集版本1.0进行人类活动识别 Jorge L. Reyes-Ortiz，Davide Anguita，Alessandro Ghio和Luca Oneto。 Smartlab-非线性复杂系统实验室DITEN-热那亚大学德利大学通过意大利热那亚的Opera Pia 11A，I-16145。 实验是由一组30名志愿者组成的，年龄在19-48岁之间。 每个人都在腰上戴着智能手机（三星Galaxy S II）进行了六项活动（步行，步行，上楼，坐下，躺着，躺着）。

  3. 所属分类：其它

  1. GettingAndCleaningData-源码

  2. 对等评分的作业：获取和清理数据课程项目此存储库是Nunno Nugroho提交的“获取和清理数据”课程项目。 它包含有关如何对“人类活动”识别数据集进行分析的说明。 ###使用智能手机进行数据集人类活动识别 ### Files CodeBook.md代码簿，描述了变量，数据以及我为清除数据而执行的任何转换或工作 ### run_analysis.R执行数据准备，然后执行课程项目的定义中所述的5个步骤：1）合并训练和测试集以创建一个数据集。 2）每次测量仅提取均值和标准差的测量值。 3）使用

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：86kb
    • 提供者：weixin_42166623

  1. Getting_Cleaning_Data_CourseProject：该项目的目的是演示您收集，使用和清理数据集的能力-源码

  2. Getting_Cleaning_Data_CourseProject 该项目的目的是演示收集，处理和清理数据集的能力。 该存储库包括用于进行人类活动识别数据集分析的说明。 数据集 使用智能手机数据集版本1.0进行人类活动识别 作者：Jorge L. Reyes-Ortiz，Davide Anguita，Alessandro Ghio和Luca Oneto。 隶属：Smartlab-非线性复杂系统实验室。 DITEN-热那亚大学degli研究中心。 通过意大利热那亚的Opera Pia 1

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：116kb
    • 提供者：weixin_42130889

  1. cuTimeWarp：用于时间序列机器学习的动态时间规整和SoftDTW损失功能的CUDA实现。 CSS535 HPC的课程项目-源码

  2. cuTimeWarp 用于时间序列机器学习的动态时间规整和SoftDTW损失功能的CUDA实现。 基于以下描述的算法： 去做 在CPU上实施幼稚的DTW 在CPU上实现软DTW 选择基准数据集 在CPU上实现成对平方的欧几里德距离 在CPU上实现软DTW渐变 在CPU上实现软DTW重心估计 在CUDA中实施幼稚的DTW 在CUDA中实施软DTW 在CUDA中实现成对平方的欧几里德距离 在CUDA中实现软DTW渐变 在CUDA中实现软DTW重心估计 在CUDA中实现

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：108kb
    • 提供者：weixin_42104181

  1. 获取和清理数据项目：获取和清理数据课程项目-源码

  2. 获取和清理数据课程项目 该存储库是Rohit Abraham提交的“获取和清洁数据”课程项目。 它包含有关如何对“人类活动”识别数据集进行分析的说明。 数据集： : 说明： : 档案： 一本代码书，描述了变量，数据以及我为清理数据而执行的任何转换或工作 执行数据准备，然后执行课程项目的定义中所述的5个步骤： 合并训练和测试集以创建一个数据集。 仅提取每个测量的均值和标准差的测量值。 使用描述性活动名称来命名数据集中的活动 用描述性变量名称适当地标记数据集。 根据步骤4中的数据集

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：105kb
    • 提供者：weixin_42097508

  1. GettingDataFinalProject-源码

  2. GettingDataFinalProject 学习规划 此项目的数据来自于Jorge L.Reyes-Ortiz，Davide Anguita，Alessandro Ghio和Luca Oneto的“使用智能手机数据集版本1.0进行的人类活动识别”，这是Smartten-DITEN非线性复杂系统实验室-Universitàdegli Studi di Genova（网址：Opera Pia 11A，I-16145，意大利热那亚； ； 。 他们提供了以下有关其数据收集方法的描述： “实验是

  3. 所属分类：其它

  1. 获取和清洗数据课程项目-源码

  2. 获取和清洗数据课程项目 同行评分的作业：“获取和清洁数据”课程项目此存储库是Nunno Nugroho提交的“获取和清洁数据”课程项目。 它包含有关如何对“人类活动”识别数据集进行分析的说明。 使用智能手机进行数据集人类活动识别 将CodeBook.md文件保存在代码书中，该书描述了变量，数据以及我为清理数据而执行的任何转换或工作 run_analysis.R执行数据准备，然后执行课程项目的定义中所述的5个步骤：合并训练和测试集以创建一个数据集。 仅提取每个测量的均值和标准差的测量值。 使用描

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：115kb
    • 提供者：weixin_42138780

  1. HAR堆叠式残余比拟LSTM：使用带有TensorFlow的深度堆叠式残余双向LSTM细胞（RNN），我们进行人类活动识别（HAR）。 在2个不同的数据集中的6个类别或18个类别中对移动类型进行分类-源码

  2. HAR堆叠残留投标书LSTM 该项目基于，以教程形式提供。 它由使用TensorFlow的堆叠式残余双向LSTM细胞（RNN）组成的人类活动识别（HAR）组成。 它类似于“ ”中使用的体系结构，而没有注意力机制，而只有编码器部分。 实际上，我们在开始考虑将残余连接应用于LSTM时就开始进行编码-直到后来，我们才发现这种深层LSTM体系结构已经被使用。 在这里，我们将先前使用的数据集的准确性从91％提高到94％，并通过在另一个数据集上尝试我们的体系结构进一步推动了这一主题。 我们的神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：458kb
    • 提供者：weixin_42127783

  1. 使用CNN的人类活动识别：用于Tensorflow中人类活动识别的卷积神经网络-源码

  2. CNN用于人类活动识别 博客文章的。 所需工具 在开发过程中使用Python 2.7，并且需要以下库来运行笔记本中提供的代码： 张量流 脾气暴躁的 Matplotlib 大熊猫 数据集 可以从以下下载用于模型训练的WISDM Actitracker数据集 相关问题 步行活动中的用户标识。 可以从以下下载22个个人的加速度计数据集

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：37mb
    • 提供者：weixin_42164702

  1. ActionAI：使用sklearn API通过姿势估计和级联推理自定义人类活动识别模块-源码

  2. 动作AI :person_cartwheeling: ActionAI是用于训练机器学习模型以对人类行为进行分类的python库。 这是我们的概括，以本示例中的示例为例。 入门 这些说明将说明如何准备图像数据，训练模型以及部署模型以对图像样本中的人类行为进行分类。 有关如何在实时流上部署项目的注释，请参阅部署。 先决条件 正在安装 我们建议使用虚拟环境，以避免与系统的全局配置冲突。 您可以通过pip安装所需的依赖项： Jetson Nano安装 我们使用提取姿态估计值。 请查看此仓库以安装所

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：78mb
    • 提供者：weixin_42168265

  1. 使用递归神经网络RNN-LSTM和智能手机上的Tensorflow进行人类活动识别：这是我的硕士项目，我使用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，可使用智能手机加速计，Tensorflow框架，递归神经网络和多个

  2. 在智能手机上使用递归神经网络（RNN），LSTM和Tensorflow进行人类活动识别 这是我硕士课程的项目，其中涉及使用无线传感器数据挖掘实验室（WISDM）的数据集为端到端系统构建机器学习模型，以使用智能手机加速度计，Tensorflow框架，递归神经网络预测人类的基本活动网络和多个长期短期存储单元（LSTM）堆栈，用于构建具有隐藏单元的深度网络。 训练模型后，将其保存并导出到android应用程序，并使用模型作为概念验证和UI界面进行预测，以使用文本语音API讲出结果。 处理： 清理并

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：151mb
    • 提供者：weixin_42100032

  1. LSTM-人类活动-识别：在智能手机传感器数据集上使用TensorFlow和LSTM RNN的人类活动识别示例。 在六个活动类别中分类运动的类型-Guillaume Chevalier-源码

  2. 使用智能手机数据集和LSTM RNN的人类活动识别（HAR）。 将运动类型分为以下六类： 步行， WALKING_UPSTAIRS， WALKING_DOWNSTAIRS， 坐下 常设， 铺设。 与传统方法相比，使用具有长短期记忆单元（LSTM）的递归神经网络（RNN）不需要或几乎不需要特征工程。 数据可以直接馈入神经网络，就像黑盒子一样，对问题进行正确建模。 关于活动识别数据集的可以使用大量的特征工程，这是一种结合了经典数据科学技术的信号处理方法。 就数据预处理量而言，此处的方法非

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：262kb
    • 提供者：weixin_42128015
« 12 »