文献

J-GLOBAL ID：202002217879811170   整理番号：20A1956914

解析と利用:sEMG分類における被験者対サブジェクト線形領域適応【JST・京大機械翻訳】

Analysis and Usage: Subject-to-subject Linear Domain Adaptation in sEMG Classification

著者 (4件)： Hoshino Takayuki (National Institute of Advanced Industrial Science and Technology (AIST),Tokyo,Japan,135-0064) ,  Kanoga Suguru (National Institute of Advanced Industrial Science and Technology (AIST),Tokyo,Japan,135-0064) ,  Tsubaki Masashi (National Institute of Advanced Industrial Science and Technology (AIST),Tokyo,Japan,135-0064) ,  Aoyama Atsushi (Keio University,Kanagawa,Japan,252-0882)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 674-677  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： バイオ信号ベースアプリケーションの運転の前に,事前訓練分類器を新しいユーザデータ(目標データ)に調整するために,長期較正が必要である。そのような時間のかかるステップを減らすために,ターゲットデータに関連するプールされたデータ(ソースデータ)を転送する線形ドメイン適応(DA)転送学習アプローチが強調される。過去10年間,sEMGデータが線形である陰的仮定で表面筋電図(sEMG)データに適用された。しかし,sEMGは典型的に非線形特性を持ち,仮定と実際の特性の間の不一致のため,線形DAアプローチは負の移動を引き起こす。本研究では,ソースとターゲットデータ間の相関が線形DAアプローチを適用した後の8クラス前腕運動分類にどのように影響するかを調べた。その結果,分類精度とソース-ターゲット相関との間に有意な正の相関が認められた。さらに,ソース-ターゲット相関は運動クラスに依存した。したがって,我々の結果は,被験者または運動クラス間のソース-ターゲット相関が低いとき,非線形DAアプローチを選択するべきであることを示唆する。Copyright 2020 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】

シソーラス用語： *学習 ,  線形性
準シソーラス用語： 被験者 ,  表面筋電図 ,  分類精度 ,  アーム運動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 解析 ,  分類 ,  被験者 ,  線形 ,  適応