Resumen

Con el desarrollo integral del fitness nacional, hombres, mujeres, jóvenes y ancianos de China se han sumado a las filas del fitness. Con el fin de aumentar la comprensión del movimiento humano, muchos investigadores han diseñado una gran cantidad de software o hardware para realizar el análisis del estado del movimiento humano. Sin embargo, la eficiencia de reconocimiento de varios sistemas o plataformas no es alta, y la capacidad de reducción es pobre, por lo que el sistema de procesamiento de información de reconocimiento basado en la red neuronal recurrente LSTM bajo el aprendizaje profundo se propone para recoger y reconocer los datos de movimiento humano. El sistema realiza la recopilación, el procesamiento, el reconocimiento, el almacenamiento y la visualización de los datos de movimiento humano mediante la construcción de un sistema de procesamiento de información de reconocimiento de movimiento humano de tres capas e introduce la red neuronal recurrente LSTM para optimizar la eficiencia de reconocimiento del sistema, simplificar el proceso de reconocimiento y reducir la tasa de falta de datos causada por la reducción de la dimensión. Por último, utilizamos el conjunto de datos conocido para entrenar el modelo y analizamos el rendimiento y el efecto de la aplicación del sistema a través del estado de movimiento real. Los resultados finales muestran que el rendimiento de la red neuronal recurrente LSTM es mejor que el algoritmo tradicional, la precisión puede alcanzar 0,980, y los resultados de la matriz de confusión muestran que el reconocimiento del movimiento humano por parte del sistema puede alcanzar 85 puntos en su mayor medida. La prueba demuestra que el sistema puede reconocer y procesar bien los datos del movimiento humano, lo que tiene una gran importancia de aplicación para la futura educación física y el ejercicio físico diario.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:sistema de tratamiento de la información, datos de movimiento humano, sistema, eficacia de reconocimiento, red neuronal, resultados de la matriz de confusión, red neuronal recurrente, futura educación física, datos de movimiento humano, lote de software
• Keywords:information processing system, human motion data, system, recognition efficiency, neural network, confusion matrix results, recurrent neural network, future physical education, human movement data, lot of software