用于高精度低延迟基于EMG的手势识别的具有智能跳跃连接的混合神经网络
密码学与安全
2025-03-13 v1
摘要
肌电图在假肢以及辅助和交互技术等关键生物医学领域被广泛使用。本文提出了一种名为ConSGruNet的新型混合神经网络，用于精确高效的手势识别。所提模型由带有智能跳跃连接的卷积神经网络与门控循环单元（GRU）结合而成。所提模型在完整的Ninapro DB1数据集上进行训练。所提模型在仅25毫秒内对53个类别进行分类的准确率高达99.7%。除了速度快之外，所提模型还很轻量，大小仅为3,946 KB。此外，还对所提模型的可靠性参数进行了评估，即Cohen's kappa系数、Matthew's相关系数和置信区间。这些参数接近理想的结果验证了模型在未见数据上的性能。
引用
@article{arxiv.2503.09041,
title = {A Hybrid Neural Network with Smart Skip Connections for High-Precision, Low-Latency EMG-Based Hand Gesture Recognition},
author = {Hafsa Wazir and Jawad Ahmad and Muazzam A. Khan and Sana Ullah Jan and Fadia Ali Khan and Muhammad Shahbaz Khan},
journal= {arXiv preprint arXiv:2503.09041},
year = {2025}
}