文献

J-GLOBAL ID：202002283355740649   整理番号：20A2320051

LSTMに基づくマルチジェスチャEMG信号の知的分類【JST・京大機械翻訳】

Intelligent Classification of Multi-Gesture EMG Signals Based on LSTM

著者 (6件)： Li Zhongzhi (Shenyang Aerospace University) ,  Zuo Jiankai (Shenyang Aerospace University) ,  Han Zhixuan (Shenyang Aerospace University) ,  Han Xu (Shenyang Aerospace University) ,  Sun Chengquan (Shenyang Aerospace University) ,  Wang Zhijian (Shenyang Aerospace University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： AIEA  ページ： 62-65  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： 補綴制御技術の研究において,研究者は,通常,解読された筋電図信号(EMG)を用いて,増幅器の運動意図を得る。人間のジェスチャーの意図を予測および正確に分類することは,リハビリテーションおよび enter楽ロボットだけでなく,人工知能ロボットにも使用できる。それは,人間-コンピュータインタラクションの新しいより自然な方法を開発することを可能にした。本論文では,高度なジェスチャ認識モデルを提案した。このモデルでは,市販のセンサ筋で測定した前腕の筋電信号を入力として使用した。これらのジェスチャを抽出し,分類するために,長期および短期メモリニューラルネットワークを適用し,他の深層学習アルゴリズムと比較した。実験結果は,本論文で提案したモデルがMyo Armbandの所有認識システムとして同じ4つのジェスチャを認識でき,平均認識精度は97.75%であり,比較アルゴリズムより高い認識精度を有することを示した。提案した深層学習モデルはロバストであり,訓練データセットにユーザのデータがなくても,ユーザのジェスチャを認識できることを意味する。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： アルゴリズム ,  増幅器 ,  *ロボット ,  リハビリテーション ,  知能ロボット ,  筋電図 ,  前腕 ,  深層 ,  ロバスト性 ,  補綴 ,  学習アルゴリズム
準シソーラス用語： 訓練データ ,  ジェスチャー認識 ,  筋電信号 ,  深層学習 , 【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)： LSTM ,  マルチ ,  ジェスチャ ,  EMG ,  分類