一种婴幼儿睡眠情况智能监控方法

1.一种婴幼儿睡眠情况智能监控方法，其工作步骤如下：
（1）、从床垫上的重力传感器、湿度传感器和温度传感器获取到婴儿在床上运动时的重力分布以及温度、湿度的情况，通过通讯网络将数字信号传递到系统数据库；
（2）、使用系统提前训练好的分类模型对由传感器采集的数据进行分析，实时获取婴幼儿的活动情况，湿度温度情况；
（3）、如果分析数据显示有异常情况则将异常情况实时发送到手机客户端和网页客户端，并有提示音提示。
2.根据权利要求1所述的婴幼儿睡眠情况智能监控方法，其特征在于，步骤（2）中提到的分类模型，是用一种改进的BP神经网络算法进行训练的，这种BP神经网络算法步骤如下：
1)批量输入学习样本并且对输入和输出量进行归一化处理，此处的学习样本即为客户端从系统数据库中读取的婴幼儿的睡眠情况数据；
2)随机进行参数初始化，需要初始化的参数有最大训练次数count，误差精度E，隐节点数hidden，初始权值w1，初始阈值μ1，初始学习速率θ1；
3)计算神经网络中各层的输入值和输出值；
4)计算出层误差；
5)判断误差是否大于阈值θi，若大于阈值则训练结束，否则，到6)；
6)更新权值、学习速率和阈值以后回到3)重新计算输入值和输出值；
传统BP神经网络算法中使用固定的学习速率，在实际使用中，可以根据E(Q)的值的改变，如果权值的改变确实降低了误差精度，则说明学习速率小了，可以适当增加一个量，如果权值的改变并未降低误差精度，则说明权值更新过度，这样就应该减少学习速率的值，因此本方法中采用的自适应学习速率调整公式如下：
传统BP算法的权值更新公式为：
w(i+1)=w(i)+Δw(i+1);
其中
改进后的BP神经网络算法中权值修正量为：
其中mc的值取为0.7；
改进以后的权值更新方法能有效加速收敛，防止震荡。
阈值的调整公式如下:
μ(i+1)=μ(i)+△μi
其中
相对于传统的权值修正公式，改进后加入动量项能有效加速收敛，防止震荡。

暂无