基于粒子群优化长短期记忆网络的运动生理数据预测算法研究与应用
潘国兴
易钢
王玲
湖南中医药大学 信息科学与工程学院,长沙 410208
摘要：为提高现有智能运动产品对运动生理数据的预测效果,本研究提出了基于粒子群(particle swarm optimization,PSO)优化长短期记忆(long short-term memory,LSTM)网络的运动生理数据预测模型.为使模型的网络拓扑结构与运动生理数据更加匹配,本研究利用传感器采集到的运动生理数据分别构建优化前后的模型,通过比较各模型的预测结果,评价其优化效果.结果显示,优化后模型预测结果的均方根误差(root mean square error,RMSE)为1.6938,较优化前模型降低了 1.7570.本研究模型对运动生理数据的预测精准度更高.
关键词：种群优化长短期记忆心率预测智慧体育评价指标精准度
分类号：R318(医用一般科学)G804.2(体育理论)TP18(自动化基础理论)
资助基金：湖南中医药大学电子科学与技术学科开放基金资助项目(2018DK05)
论文发表日期：2023-03-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 30-35,42 )
英文信息