バイオフォーマ:超低電力sEMGベースジェスチャ認識のための変圧器の埋め込み【JST・京大機械翻訳】

Burrello Alessio; Morghet Francesco Bianco; Scherer Moritz; Benatti Simone; Benini Luca; Macii Enrico; Poncino Massimo; Pagliari Daniele Jahier

プレプリント

J-GLOBAL ID：202202202305799528 整理番号：22P0309582

バイオフォーマ:超低電力sEMGベースジェスチャ認識のための変圧器の埋め込み【JST・京大機械翻訳】

Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月24日プレプリントサーバーでの情報更新日： 2022年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人間機械インタラクションは,人工手やロボットアームの制御などのリハビリテーション作業において牽引力を得ている。表面筋電図(sEMG)信号を利用するジェスチャ認識は,sEMG信号取得が非侵襲的であり,筋収縮に直接関連することを考えると,最も有望なアプローチの1つである。しかし,これらのシグナルの解析は,類似のジェスチャが類似の筋収縮をもたらすので,まだ多くの課題を提示する。したがって,得られた信号形状はほとんど同一であり,低い分類精度をもたらす。この課題に取り組むために,大きなメモリフットプリントを必要とし,比較的高いエネルギーを消費し,分類に用いるデバイスの最大電池寿命を制限する複雑なニューラルネットワークを採用した。本研究は,バイオフォーマの導入でこの問題を扱う。この新族の超小型注意ベースアーキテクチャは,4.9Xのパラメータと操作の数を減らしながら最先端の性能に近づいた。さらに,新しい被験者間予訓練を導入することによって,追加推論コストなしで,最高バイオフォーマの精度を3.39%,マッチング最先端精度を改善した。並列,Ultra-Low電力(PULP)マイクロコントローラユニット(MCU),GreenWaves GAP8,に関する最良性能のバイオフォーマを展開して,著者らは,それぞれ2.72msと0.14mJの推論待ち時間とエネルギーを達成し,一方,メモリのちょうど94.2kBを占める間,以前の最先端のニューラルネットワークより8.0X低かった。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る