LSTM-Human-Activity-Recognition
Beispiel zur Erkennung menschlicher Aktivitäten mit TensorFlow auf einem Smartphone-Sensordatensatz und einem LSTM-RNN. Klassifizierung der Bewegungsart unter sechs Aktivitätskategorien - Guillaume Chevalier
Klassifizieren Sie menschliche Bewegungen in Kategorien wie Gehen oder Sitzen mithilfe von Smartphone-Sensordaten und LSTM-Modellen.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarBeispiel zur Erkennung menschlicher Aktivitäten mit TensorFlow auf einem Smartphone-Sensordatensatz und einem LSTM-RNN. Klassifizierung der Bewegungsart unter sechs Aktivitätskategorien - Guillaume Chevalier
LSTM-Human-Activity-Recognition hat 3.5k Sterne auf GitHub. Es wurde 936-mal geforkt. LSTM-Human-Activity-Recognition ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2016 aktiv entwickelt. LSTM-Human-Activity-Recognition ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: activity-recognition, deep-learning, human-activity-recognition, lstm.
Was ist LSTM-Human-Activity-Recognition?
Beispiel zur Erkennung menschlicher Aktivitäten mit TensorFlow auf einem Smartphone-Sensordatensatz und einem LSTM-RNN. Klassifizierung der Bewegungsart unter sechs Aktivitätskategorien - Guillaume Chevalier
Ist LSTM-Human-Activity-Recognition Open Source?
LSTM-Human-Activity-Recognition ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist LSTM-Human-Activity-Recognition kostenlos?
Ja. LSTM-Human-Activity-Recognition ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht LSTM-Human-Activity-Recognition?
LSTM-Human-Activity-Recognition ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist LSTM-Human-Activity-Recognition geschrieben?
LSTM-Human-Activity-Recognition ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/guillaume-chevalier-lstm-human-activity-recognition.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.