過渡高密度sEMGにおける電極シフト補償のための深い増強:ニューロロボティクスへの応用に向けて【JST・京大機械翻訳】

Sun, T.; Libby, J.; Rizzo, J.; Atashzar, S. F.

プレプリント

J-GLOBAL ID：202202208110773026 整理番号：22P0316409

過渡高密度sEMGにおける電極シフト補償のための深い増強:ニューロロボティクスへの応用に向けて【JST・京大機械翻訳】

Deep Augmentation for Electrode Shift Compensation in Transient High-density sEMG: Towards Application in Neurorobotics

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 (4件)： , , ,
資料名：
発行年： 2022年07月17日プレプリントサーバーでの情報更新日： 2022年07月17日
JST資料番号： O7001B 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)

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】

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

パターン認識 , 生体計測

, , , ,

前のページに戻る