抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在まで,補綴機構の制御と表面電気泳動(sEMG)信号の分類は,取得された信号の全体的品質,電極の数と位置,それらの間の望ましくない雑音またはクロストークのような複数の因子によって大きく影響される。この理由のために,技術的最先端は,信号チャネルの独立成分分析(ICA)分離非負行列因数分解(NMF)分解のようなより複雑な技術に対して,上述の問題を被ることができる低次特徴(例えば,Median絶対値およびスペクトル特徴)の解析から動いている。後者は,協調運動パターン(筋肉協力と呼ばれる)で構築された中枢神経系(CNS)レベルでの筋肉の高次モジュール制御を仮定し,標準sEMG制御装置により与えられた電極当たりの自由度(DoF)の限界を除去する。残念ながら,補綴物におけるそのような技術の利用は,それらの計算複雑性により制限され,それらを研究所と嵩高い処理システムに制限し,動力消費とデバイスサイズを最小化しながら,運動制御に必要な精度と速度のレベルを達成する新しいアルゴリズムとハードウェア実装を求める。本論文では,8電極sEMG記録から筋肉相乗作用を抽出するFPGAベースのリアルタイムNMFプロセッサを提示した。NMFアルゴリズムの実行は,計算速度を増加させ,使用されるDSPの量を最小化するために,固定小数点アーキテクチャを用いて完全に実行される。次に,固定小数点計算によって与えられた精度の劣化を定量化し,どの機構がよりロバストであるかを理解するために,NMF固定点分解を2つのソフトウェア,すなわちサポートベクトルマシン(SVM)とニューラルネットワークに供給した。予備的な結果は,浮動小数点または固定小数点演算を用いて得られた分類結果の間に顕著な差はないことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】