[发明专利]一种基于EMS的健身方法及系统

权利要求书

1.一种基于EMS的健身方法，其特征在于，该健身方法包括：

获取用户的生理参数数据；

根据所述生理参数数据生成控制信号；

响应所述控制信号输出脉冲信号；

根据所述脉冲信号输出电刺激信号；

根据所述生理参数数据生成控制信号，具体包括：

根据所述生理参数数据确定运动参数；

根据所述运动参数生成控制信号；

根据所述生理参数数据确定运动参数，具体包括：

将所述生理参数数据作为一神经网络模型的输入，则所述运动参数为所述神经网络模型的输出；

所述神经网络模型通过以下方法获得：

采集用户的历史运动数据并作为样本集；

利用所述样本集进行神经网络训练得到神经网络模型，所述神经网络模型为BP神经网络模型；

BP神经网络模型训练过程：

步骤一.BP神经网络初始化；设定连接权值w_ij，阈值θ_j与γ_j，阈值θ_j与γ_j为区间(-1,1)内的任意值；

步骤二.选择任意一组样本中的生理参数数据作为输入数据,以运动参数数据作为输出数据的标签值,赋予运动参数,预测神经网络模型；

步骤三.利用BP神经网络模型的输入和连接权值w_ij与阈值θ_j共同得出BP神经网络模型中间层输入s_j，然后用中间层输入s_j通过传递函数计算BP神经网络中间层的各单元输入s_j，然后用s_j通过传递函数计算BP神经网络中间层各单元的输出；

b_j＝f(s_j),j＝1,2…p

式中a_j表示隐层的实际输出，f(s_j)为sigmoid型函数：

步骤四.利用BP神经网络中间层的输出b_j连接权v_ji和阈值γ_j，通过传递函数计算出BP神经网络输出层各单元的响应C_t，

步骤五.运动参数预测模型的目标向量计算输出层的一般化误差

然后，计算中间层各单元的一般化误差

步骤六.修正输入层和中间层的连接权与阈值；

输入层：

表示一组样本中的生理参数数据,是输入层的输入数据；

输出层：

步骤七.从剩下的训练样本中随机选取一个并提供给BP神经网络,返回到步骤三,一直到m个输入样本训练完毕；

步骤八.重新从m个学习样本中随机选取一组BP神经网络输入和目标样本,返回到步骤三,直到网络全局误差E小于预化设定的一个极小值,即BP神经网络收敛。