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。
神経ロボット工学で広く使用されてきた従来のスパース多チャネル周辺人間-機械インタフェイスを越えて,高密度表面筋電図(HD-sEMG)は,上肢運動制御を解読するための有意な可能性を示した。著者らは最近,多数のジェスチャ(>60)に対する深いニューラルネットワークアーキテクチャにおけるLSTMの不均一時間拡張を提案し,空間分解能と高速収束を確保した。しかし,いくつかの基本的疑問は未解決のままである。本文で明示的に目標とした一つの問題は,「電極シフト」の課題であり,それは,高密度システムに対して,そして,センサグリッドを脱落し,そして,供給することにおいて,特に起こることができる。もう一つの実世界問題は,過渡対プラトー分類の質問であり,それは,神経インタフェイスの時間分解能とシームレス制御に接続する。本論文では,初めて,HD-sEMGデータの過渡位相に関するジェスチャ予測を実装し,一方,電極シフトに対するヒューマンマシンインタフェイス復号器をロバスト化した。このために,過渡HD-sEMGに対する深いデータ増強の概念を提案した。提案した増強を使用せずに,10mmの僅かなシフトが復号器性能を20%まで下げることを示した。提案したデータ増強を3D畳込みニューラルネットワーク(CNN)と組合わせて,高い時空間分解能を保証し,電極シフトにロバスト化し,エンドユーザによる大規模採用に近づき,レジリエンスを強化することにより,性能を84.6%まで回復した。【JST・京大機械翻訳】