基于深度强化学习的计步方法

作者：彭琛; 韩立新

来源：计算机与现代化, 2019, (01): 63-68.

• 计步器
• 深度强化学习
• 均值穿越波峰波谷检测法

针对计步软件使用中用户行为不定,容易产生各种噪声以及传统算法中参数不能持续优化的问题,本文提出基于深度强化学习的计步方法。将噪声判别及步数统计作为智能体的动作,在步数统计中改进波峰检测法,提出均值穿越波峰波谷检测法。利用循环神经网络保存内部状态,将用户对计步器计步好坏的反馈作为奖励信号,指导参数持续优化。实验结果表明,该方法在采集设备放置于不同位置并且有噪声时,噪声识别率为0.9151,计步误差率为0.0623,有较高的精度以及较强的抗干扰能力。