文献

J-GLOBAL ID：201702255600424035   整理番号：17A0886127

ウェーブレットニューラルネットワーク集合のインクリメンタル学習に基づくsEMG特性における段階的変化の認識【Powered by NICT】

Recognizing the Gradual Changes in sEMG Characteristics Based on Incremental Learning of Wavelet Neural Network Ensemble

著者 (2件)： Duan Feng (College of Computer and Control Engineering, Nankai University, Tianjin, China) ,  Dai Lili (College of Computer and Control Engineering, Nankai University, Tianjin, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 64  号： 5  ページ： 4276-4286  発行年： 2017年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大部分の筋電義手は固定パターン認識モデルを用いてユーザの手運動コマンドを同定した。表面筋電図(sEMG)特性は時間とともに変化するので,長期間安定に手運動コマンドの同定における固定パターン認識モデルを採用することは困難である。sEMG特性の緩やかな変化に適応するために,ウェーブレットニューラルネットワーク(WNN)アンサンブルに基づくインクリメンタル学習を利用し,それを訓練するために,負相関学習(NCL)を使用した。提案した方法の効果を検証するために,被験者の群は,2時間以上の連続実験で六手の動きを行った。固定パターン認識モデルと比較して,nonintegrationとインクリメンタル学習の分類精度速度は実質的に改良されている。さらに,固定サイズのモードを持つWNNアンサンブルの結果は成長モードを用いたWNNアンサンブルのものより安定であった。実験結果により,提案手法では,sEMG特性の緩やかな変化を認識する安定できることを実証した。提案した方法を用いて,平均正解率は92.17%で,長期間後でもことが分かった。さらに,更新時間が短いため,提案した方法は,筋電義手に成功裏に適用することができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *認知モデル
準シソーラス用語： 分類精度 ,  表面筋電図 ,  筋電義手 ,  *インクリメンタル学習 , 【Automatic Indexing@JST】

分類 (5件)： パターン認識  (JE07000S) ,  電動機  (NB07030U) ,  ロボットの設計・製造・構造要素  (IC04013A) ,  生体代行装置  (EL04000N) ,  電気式制御機器  (IC02020Y)

タイトルに関連する用語 (4件)： ウェーブレットニューラルネットワーク ,  集合 ,  インクリメンタル学習 ,  段階