利用前臂肌肉信号识别手势的机器学习技术
机器学习
2024-08-16 v1 人工智能
信号处理
摘要
本研究探讨了利用前臂肌电图（EMG）数据来区分八种手势，对来自十名参与者的数据采用了神经网络和随机森林算法。神经网络在使用1000毫秒窗口时达到了97%的准确率，而随机森林在使用200毫秒窗口时达到了85%的准确率。更大的窗口尺寸由于提高了时间分辨率而改善了手势分类。随机森林的处理速度更快，为92毫秒，而神经网络为124毫秒。总之，该研究确定了使用1000毫秒数据流的神经网络最为准确（97%），而使用200毫秒数据流的随机森林最为高效（85%）。未来的研究应侧重于增加样本量、纳入更多手势，并探索不同的特征提取方法和建模算法，以提高系统的准确性和效率。
引用
@article{arxiv.2401.07889,
title = {Machine Learning Techniques to Identify Hand Gestures amidst Forearm Muscle Signals},
author = {Ryan Cho and Sunil Patel and Kyu Taek Cho and Jaejin Hwang},
journal= {arXiv preprint arXiv:2401.07889},
year = {2024}
}
备注
21 pages, 7 figures