文献

J-GLOBAL ID：202002234363234091   整理番号：20A2764739

深層学習,特徴工学およびグラフィックス処理ユニットを用いた筋電信号におけるパターン認識【JST・京大機械翻訳】

Pattern Recognition in Myoelectric Signals Using Deep Learning, Features Engineering, and a Graphics Processing Unit

著者 (3件)： Souza Gabriel Cirac M. (Institute of Systems Engineering and Information Technology (IESTI), Universidade Federal de Itajuba ́, Itajuba ́, Brazil) ,  Moreno Robson L. (Institute of Systems Engineering and Information Technology (IESTI), Universidade Federal de Itajuba ́, Itajuba ́, Brazil) ,  Pimenta Tales C. (Institute of Systems Engineering and Information Technology (IESTI), Universidade Federal de Itajuba ́, Itajuba ́, Brazil)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 208952-208960  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 知的ロボット補綴は,それらの構築においてパターン認識技術を採用し,これのために,人工知能(AI)のいくつかのアプローチを採用する。本研究では,軽量アーキテクチャを用いて,並列ハードウェアにおける畳込みニューラルネットワーク(CNN)および長短温度メモリ(LSTM)を実装するBioPatRec-Py(BioPatRec)と呼ばれるシステムを作成した。導入したシステムは,分類プロセスを均質にし,訓練時間と変動性を低減するための一連の戦略を採用した。原信号の代わりに特徴を持つアルゴリズムを与え,ネットワークを移動(筋肉活性化のレベル,大きさ,振幅,電力,その他)を記述する情報で提供した。研究は,適応Kaufmanフィルタを利用して,一連の特徴から雑音を除去して,分布均一性を作って,訓練プロセスを容易にするために,分位数正規化システムを採用した。分析した全人口で操作できる一般的なネットワークを訓練することができた。衝突訓練は,様々な個人で機能し,異なる条件下で潜在的に機能することを可能にするので,研究の主な貢献である。個々に評価したネットワークは,0.69秒の訓練で97.44%の平均精度に達した。グローバルモデルは,4.01秒の訓練時間で97.83%の精度を達成した。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： アルゴリズム ,  記憶装置 ,  雑音 ,  *パターン認識 ,  電力 ,  ネットワーク ,  人工知能 ,  知能ロボット ,  ハードウェア ,  計算機アーキテクチャ ,  正規化 ,  補綴
準シソーラス用語： *GPU【プロセッサ】 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層学習 ,  工学 ,  グラフィックス処理ユニット ,  筋電信号 ,  パターン認識