基于双重注意力的循环神经网络和双层优化算法,用于残疾人识别人类活动
Hend Khalid Alkahtani1, Gouse Pasha Mohammed2, Radwa Marzouk3,4
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, Riyadh, 11671, Saudi Arabia. hkAlqahtani@pnu.edu.sa.
Scientific reports
|September 29, 2025
概括
这项研究引入了人类活动识别 (HAR) 的新模型,以帮助残疾人. 基于双重注意力的双层元启发式优化算法实现了98.66%的准确性,显著提高了HAR性能.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 人类活动识别 (HAR) 对于远程监控,医疗保健和安全等应用至关重要.
- 现有的HAR方法利用各种传感器和技术,包括可穿戴,对象标记和无设备方法.
- 深度学习 (DL) 和机器学习 (ML) 在提高HAR准确性方面显示出显著的前景.
研究的目的:
- 提出一种新的基于双重注意力的双层元启发式优化算法,用于识别残疾人的人类活动 (DATTMOA-HARD).
- 专门改进HAR系统,以更好地协助残疾人.
- 提高人类活动检测的准确性和效率.
主要方法:
- 在DATTMOA-HARD模型中,用于数据预处理,采用Z分数规范化.
- 使用二进制火虫算法 (BFA) 进行特征选择.
- 分类是通过双重注意力双向封闭循环单元 (DABiG) 技术实现的,超参数由塔斯马尼亚魔鬼优化器 (TDO) 优化.
主要成果:
- 在HAR数据集上,DATTMOA-HARD模型表现出卓越的性能.
- 实验评估显示,高准确率为98.66%.
- 拟议的模型在检测准确性方面明显优于现有的HAR方法.
结论:
- DATTMOA-HARD模型在人类活动识别方面取得了重大进展,特别是在协助残疾人方面.
- 双重注意力机制,元启发式优化和先进的DL技术的结合导致了高度准确的活动检测.
- 这项研究强调了复杂的人工智能模型在创造更具包容性和支持性的技术解决方案方面的潜力.
