文献

J-GLOBAL ID：202202230442508430   整理番号：22A0563410

Markov遷移場と深層ニューラルネットワークを用いた感情刺激に基づく表面筋電図信号分類【JST・京大機械翻訳】

Emotion stimuli-based surface electromyography signal classification employing Markov transition field and deep neural networks

著者 (6件)： Li Rongjie (Wenzhou Business College, Wenzhou 325067, PR China) ,  Wu Yao (Wenzhou Business College, Wenzhou 325067, PR China) ,  Wu Qun (Institute of Universal Design, Zhejiang Sci-Tech University, Hangzhou 310027, PR China) ,  Dey Nilanjan (Department of Computer Science and Engineering, JIS University, Kolkata 700109, India) ,  Gonzalez Crespo Ruben (Department of Computer Science and Technology, Universidad Internacional de La Rioja, Logrono 26001, Spain) ,  Shi Fuqian (Rutgers Cancer Institute of New Jersey, New Brunswick, NJ 08903, USA)
資料名： Measurement  (Measurement)
巻： 189  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 表面筋電図(sEMG)は,臨床医学,リハビリテーション医学,およびインテリジェントロボットで広く使用されている。現在,sEMG信号分類法はsEMG制御生物工学的補綴の開発と工業化を促進した。sEMG信号を用いた感情認識は,人間-コンピュータ相互作用(HCI)で重要であり,研究ホットスポットになる。一方,感情認識の高い率は,感情アプリケーションにとってまだ重要な問題である。感情分類を研究するためにsEMGを採用することは,認識率を改善し,主観的干渉を除去することができる。本研究では,Markov遷移場(MTF)法を適用してsEMG信号を画像に変換した。そして,この重要な変換プロセスは,入力資源を採用する畳込みニューラルネットワークを作る。69-INPUT-6-OUTPUT一次深層ニューラルネットワークを,感情刺激実験の下で人間の感情状態を分類するために構築した。sEMG信号を分類するためのMTFベース深層ニューラルネットワーク(MTF-DNN)を開発し,その後検証した。結果は,提案した分類モデルの高い有効性を示した。提案したMTFDNNは,異なる分類モデルと比較して,Ac(0.922),Pr(0.1867)およびFm(0.9089)の分類の指数において,高い有効性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  相互作用 ,  信号 ,  ニューラルネットワーク ,  工業化 ,  応用プログラム ,  *知能ロボット ,  ホットスポット ,  有効性 ,  補綴 ,  コンピュータ
準シソーラス用語： 感情認識 ,  *表面筋電図 ,  認識率 ,  *ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 表面筋電図 ,  Markov遷移場 ,  信号分類 ,  深層ニューラルネットワーク ,  信号画像遷移

分類 (2件)： 生体計測  (EL03020C) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： 遷移 ,  深層ニューラルネットワーク ,  感情 ,  刺激 ,  表面筋電図 ,  信号分類