损失函数用于量化模型预测值与真实值之间的差异，并指导模型的训练过程，是神经网络的核心组成部分.

信号数据在送入网络前都需要对信号数据进行经过处理，降噪，去噪等；对于信号类数据去噪的方法有很多，比如：傅里叶变换，小波变换，中值滤波法等等。左图为去噪前，中间子图为去噪后，右侧子图为去噪前后的对比图。下面时随机生成的信号数据并进行滤波处理的代码。

选择30名年龄在19-48岁之间的志愿者作为研究对象。记录的运动数据是来自智能手机（特别是三星Galaxy S II）的x、y和z加速度计数据（线性加速度）和陀螺仪数据（角速度），采样频率为 50Hz（每秒50个数据点）。这些数据是从30名年龄在19岁到48岁之间的志愿者身上收集的，这些志愿者将智能手机绑在腰间，进行6项标准活动中的一项，通过开发的手机软件记录运动数据。同时记录每个执行活动的志愿者

充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。每一个传感器独立提取特征（提取原始数据中有用的特征，把原始数据中没有用的特征或干扰特征滤掉），把这些特征再进行融合，得到一个融合特征。sensor1,2,3,4,5,6

时间序列----------时频谱+CNN

1.获取更多数据 ：从数据源头获取更多数据；数据增强（Data Augmentation）2.使用合适的模型：减少网络的层数、神经元个数等均可以限制网络的拟合能力；3.正则化，在训练的时候限制权值变大；4.dropout；5.BN，每个隐层都进行归一化，使每一层神经网络的输入保持相同分布的，将输入分布强制拉回到均值为0方差为1的比较标准的正态分布，使得非线性变换函数的输入值落入对输入比较敏感的区域

简单地直接应用机器学习很难获得理想的效果。嵌入领域知识可以为模型提供更丰富的信息，是提高模型性能的一种实用有效的方法

在ancanda prompt窗口中输入conda create--prefidx 在ancanda prompt窗口中输入conda env remove -p （3）在pycharm中选择conda设置的环境，通过设置虚拟环境即可（其他可不选择）（3）在ancanda prompt窗口中输入 pip install （1）安装ancanda和pycharm。（1）环境变量在创建在envs。（1

简单地直接应用机器学习很难获得理想的效果。嵌入领域知识可以为模型提供更丰富的信息，是提高模型性能的一种实用有效的方法

ConvNetDraw是一个使用配置命令的CNN神经网络画图工具；需要了解神经网络结构和代码，就很简单啦！：绘制结果为3D，可简单调整x，y，z这3个维度；：单一、传统、能满足基础需求。