基于循环神经网络的肌电信号的实时分类
信号处理
2021-09-14 v1 计算机视觉与模式识别
机器学习
机器人学
摘要
肌电（Electromyography, EMG）信号的实时分类是控制假手最具挑战性的部分。在短延迟时间内实现 EMG 信号的高分类准确率仍然具有挑战性。循环神经网络（RNNs）是一类适用于 EMG 等序列数据的人工神经网络架构。本文中，我们从混合时频域（离散小波变换）提取特征后，利用一组基于循环神经网络的架构来提高分类准确率并减少预测延迟时间。这些架构的性能被加以比较，总体上以在 600 毫秒内达到 96% 分类准确率的表现为优于其他 SOTA 方法。
引用
@article{arxiv.2109.05674,
title = {Real-Time EMG Signal Classification via Recurrent Neural Networks},
author = {Reza Bagherian Azhiri and Mohammad Esmaeili and Mehrdad Nourani},
journal= {arXiv preprint arXiv:2109.05674},
year = {2021}
}