利用先验知识提升假手控制

肌电图（EMG）信号是骨骼肌细胞为产生运动而产生的电活动。非侵入式假手通过放置在截肢者残肢上的多个电极来记录该信号。为了便于假肢控制，使用基于机器学习理论的算法分析 EMG 信号，以决定受试者将要执行的动作。为了获得对假肢的有效控制并避免预期动作与执行动作之间的不匹配，当我们使用传统的机器学习算法（例如支持向量机）时，需要较长的训练期。该领域当前的一个挑战是减少截肢者学习使用假肢所需的时间。最近，已经提出了几种利用某种形式先验知识的算法。通常，我们将先验知识称为以模型形式可用的过往经验。在我们的案例中，试图用假肢执行某些动作的截肢者可以利用已经能够执行这些动作的不同受试者的经验。本工作的目的是通过计算研究验证，对于截肢者而言，这种先前经验是否有助于减少训练时间并提升假肢控制。此外，我们希望了解当将健全受试者或截肢受试者的先前知识用于新截肢者时，最终结果是否以及如何变化。我们的实验表明：（1）利用其他已训练完成某项任务的受试者的经验，使我们能够将训练时间减少约一个数量级；（2）当截肢者利用截肢者或健全人的先前经验时，其学习使用假肢的结果似乎并无不同。