健康是人类赖以生存和发展的基础,随着社会的不断进步和科学的不断发展,人们的生活水平得到了极大的提高,但是各种疾病和亚健康也随之而来。为了提高生活的质量,享受更加舒适的生活,人们越来越注重身体健康,并且开始追求科学的健身运动,也逐渐意识到适度的健身运动对于健康的重要性。受限玻尔兹曼机是一种生成式随机神经网络,这种神经网络由可见单元和隐藏单元组成,通过权值表达单元之间的相关性。其特点是层内无连接,层间全连接。受限玻尔兹曼机中有Gibbs采样,梯度下降法,对比散度等多种算法。受限玻尔兹曼机在近些年得到了广泛的关注,作为实际应用,其算法在很多方面都显示出了其优越的学习性能,在神经网络的学习中占据了重要的地位。本文首先介绍了运动健康的课题背景,分析了受限玻尔兹曼机在运动健康领域中的适用性和研究意义,阐述了现代都市生活对科学有效的健身运动方式的要求。然后对受限玻尔兹曼机做了一个简介,包含一些基本模型介绍和传统的学习算法介绍,并对训练参数的设置做了详尽的说明。最后,本文在总结前人工作的基础上,研究了基于受限玻尔兹曼机的个体运动健康测评方法,主要工作如下:(1)针对传统受限玻尔兹曼机的缺陷和不足,本文通过对连接权重,可见单元偏置和隐层单元偏置分别增加一项冲量项对传统的受限玻尔兹曼机进行改进,并建立一个基于受限玻尔兹曼机的运动强度测评方法模型,将人体常见的生理指标,如心率,乳酸和相对摄氧量等作为输入,测量个体的运动强度,通过传统的和改进的受限玻尔兹曼机在运动强度测评上的比较和分析,得出相应的结论,给出合理的建议,以保证个体健身运动的安全。(2)在改进的受限玻尔兹曼机基础上,将若干个受限玻尔兹曼机堆叠起来形成深度置信网络,提出一个基于受限玻尔兹曼机的最佳运动量预测方法,通过对个体运动前后体质的分析,预测其最佳运动量,提高个体健身运动的效率。最后,本文将对上述测评方法进行大量的实验,通过实验结果数据证明上述两种测评方法的有效性,也将验证本文运动健康测评方法的可靠性和通用性。总之,本文的研究目的就是运用受限玻尔兹曼机的学习算法提出有效的健康测评方法和模型,实时监测其运动状态,给出合理的建议,长期有效地保障个体健身运动的安全性和高效性,使人们能有目的,有计划地进行健身运动,以满足现代健康生活的需求。