[发明专利]一种基于神经网络学习算法的社区健身推荐方法和系统

权利要求书

1.一种基于神经网络学习算法的社区健身推荐方法，其特征在于，包括：

通过用户身体特征数据构建用户身体特征集，通过健身器材特征构建健身器材特征集，通过健身方法特征构建健身方法特征集；

基于所述用户身体特征集、所述健身器材特征集以及所述健身方法特征集，训练社区健身推荐神经网络；

采集用户特征数据，导入所述社区健身推荐神经网络，预测所述用户的匹配健身器材以及匹配健身方法；

根据所述匹配健身器材及匹配健身方法向用户进行健身推荐。

2.根据权利要求1所述的方法，其特征在于，通过用户身体特征数据构建用户身体特征集，通过健身器材特征构建健身器材特征集，通过健身方法特征构建健身方法特征集，包括：

根据所述用户身体的性别、年龄、身高、体重、身体病态部位和期待健身部位，构建所述用户身体特征集；

根据所述健身器材的数量、使用方式、状态、针对身体部位，构建所述健身器材特征集；

根据所述健身方法的健身步骤、健身获益部位、健身受损部位，构建所述健身方法特征集。

3.根据权利要求1所述的方法，其特征在于，基于所述用户身体特征集、所述健身器材特征集以及所述健身方法特征集，训练社区健身推荐神经网络，包括：

所述社区健身推荐神经网络中，根据用户健身需求，初始输入端为所述用户身体特征集、所述健身器材特征集和所述健身方法特征集，输出端为指定时段的用户健身推荐方案，构建一组或多组深度学习网络。

4.根据权利要求3所述的方法，其特征在于，所述一组或多组深度学习网络，包括：

用户身体特征学习网络，通过用户身体的性别、年龄、身高、体重、身体病态部位和期待健身部位，预测用户的身体的健身部位；

健身器材学习网络，通过学习所述用户身体特征集、所述健身器材特征集以及所述健身方法特征集，预测不同健身器材及身体方法下各类用户的身体特征。

5.根据权利要求3所述的方法，其特征在于，

所述深度学习网络中，中间隐层神经元的激活函数采用ReLU函数，公式为：

out＝max(0，in)，

其中out为输出，in为输入；最后一层激活函数采用softmax函数，公式为：

其中out_i为第i层输出，z_j为输入j经过加权、求和、偏向得到的中间变量；损失函数采用交叉熵损失函数，公式为：

其中x⁽ⁱ⁾为期望输出，为实际输出；优化函数采用随机梯度下降法，迭代训练直至所述深度学习网络进入稳态。

6.根据权利要求1所述的方法，其特征在于，采集用户特征数据，导入所述社区健身推荐神经网络，预测所述用户的匹配健身器材以及匹配健身方法，包括：

以预定时间间隔采集所述用户特征数据，导入所述社区健身推荐神经网络中，更新深度学习模型的结构和参数，直至深度学习网络进入稳定状态。

7.根据权利要求1所述的方法，其特征在于，根据所述匹配健身器材及匹配健身方法向用户进行健身推荐，包括：

将所述用户特征数据导入深度学习网络进行预测，得到健身器材推荐结果和健身方法推荐结果后，发送健身推荐提示；

按照所述健身方法推荐结果中的步骤，辅助用户进行健身锻炼。

8.一种基于神经网络学习算法的社区健身推荐系统，其特征在于，包括：

初始模块，用于通过用户身体特征数据构建用户身体特征集，通过健身器材特征构建健身器材特征集，通过健身方法特征构建健身方法特征集；

构建模块，用于基于所述用户身体特征集、所述健身器材特征集以及所述健身方法特征集，训练社区健身推荐神经网络；

训练模块，用于采集用户特征数据，导入所述社区健身推荐神经网络，预测所述用户的匹配健身器材以及匹配健身方法；

推荐模块，用于根据所述匹配健身器材及匹配健身方法向用户进行健身推荐。