基于MLP神经网络的优化跌倒检测模型研究与实现

打开文本图片集

摘要：该文以多层感知器（Multilayer Perceptron，MLP）神经网络模型为基础，提出了一种高效快速的跌倒检测多层感知模型（Fall Detection Multilayer Perceptron，FDMLP）。该模型基于公开的姿态数据集进行特征强化和标签分类，得到特征值数据集进行训练；通过学习率范围测试确定初始学习率的上下边界值，设置学习率随迭代数次进行指数衰减优化训练过程采用全整数量化的优化策略，将量化后的模型部署到嵌入式设备的 Flash 中，实现低功耗、高准确率的边缘计算。（剩余6956字）