基于超维计算的肌电手势识别中收缩用力水平的分析
人机交互
2019-09-04 v3 机器学习
信号处理
摘要
肌肉收缩水平的变化是基于肌电图(EMG)的手势识别中的一大挑战。某些用例要求分类器对变化的用力具有鲁棒性，而另一些则要求区分执行同一手势的不同用力水平。我们利用受脑启发的超维计算范式构建分类模型，其既对这些变化鲁棒，又能识别多个收缩水平。在 5 名受试者执行 9 种手势、3 个用力水平的实验结果显示，跨不同用力水平训练与测试时准确率下降高达 39.17%，应用我们的算法后恢复高达 30.35%。
引用
@article{arxiv.1901.00234,
title = {Analysis of Contraction Effort Level in EMG-Based Gesture Recognition Using Hyperdimensional Computing},
author = {Ali Moin and Andy Zhou and Simone Benatti and Abbas Rahimi and Luca Benini and Jan M. Rabaey},
journal= {arXiv preprint arXiv:1901.00234},
year = {2019}
}
备注
Published as a conference paper at the IEEE BioCAS 2019