一种基于多任务多视图增量学习的用户行为识别方法
基本信息
| 申请号 | CN202210370808.3 | 申请日 | - |
| 公开（公告）号 | CN114708553A | 公开（公告）日 | 2022-07-05 |
| 申请公布号 | CN114708553A | 申请公布日 | 2022-07-05 |
| 分类号 | G06V20/52（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06V10/80（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 张啸;师脉旺;于东晓 | 申请（专利权）人 | 山东大学 |
| 代理机构 | 青岛华慧泽专利代理事务所（普通合伙） | 代理人 | - |
| 地址 | 250013山东省青岛市即墨区滨海路72号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于多任务多视图增量学习的用户行为识别方法，包括以下步骤，S1.采集活动姿态数据，将数据划分多个部分，并根据参与训练的人员确定任务数量以及每个任务的视图数量，初始化每个阶段的参数；S2.利用多任务多视图深度神经网络为传感器数据提取特征；S3.参数更新，通过计算多个损失函数，并通过反向传播进行参数更新；S4.所有阶段训练结束，获得最终的预测结果。其优点在于，MTMVIS使用多任务多视图深度神经网络的每一层分别提取特征，并为每个任务使用注意力层加权多任务多视图深度神经网络所有层的输出作为最终的输出层。MTMVIS使用自适应权重巩固来减轻灾难性遗忘问题并增强模型可扩展性。 |
