继承泰勒级数的关系谱：手部肌肉协同与耦合
信号处理
2020-10-14 v3 机器学习
机器人学
机器学习
摘要
数学中有两种著名的函数分解方法：泰勒级数和傅里叶级数。傅里叶级数发展为傅里叶谱，被应用于信号分解\分析。然而，由于泰勒级数对无确定函数表达式的函数无法求解，泰勒级数很少用于工程。在此，我们通过树突网发展了泰勒级数，构造了一种关系谱，并将其应用于模型或系统分解\分析。具体工程应用：肌肉活动与手指运动之间直观联系的知识对于设计无需用户预训练的商用假手至关重要。然而，由于人手的复杂性，这一联系尚待理解。本研究中，关系谱被用于分析肌肉-手指系统。一块肌肉同时驱动多根手指，或多块肌肉同时驱动一根手指。因此，研究涉及手部的肌肉协同与肌肉耦合。本文有两个主要贡献。（1）关于手部的发现有助于假手设计。（2）关系谱使在线模型具有人类可读性，统一了在线性能与离线结果。代码（对多数领域而言的新工具）可在 https://github.com/liugang1234567/Gang-neuron 获取。
引用
@article{arxiv.2004.11910,
title = {A Relation Spectrum Inheriting Taylor Series: Muscle Synergy and Coupling for Hand},
author = {Gang Liu and Jing Wang},
journal= {arXiv preprint arXiv:2004.11910},
year = {2020}
}
备注
Dendrite Net and Relation spectrum unify online performance and offline results