surface electromyography | BriefGPT

关键词surface electromyography

搜索结果 - 13

基于 LSTM 的表情识别神经网络用于 sEMG 信号的手部运动识别
通过使 sEMG 信号的终止形式获得闭式时间特征学习，我们实现了一个轻量级的 LSTM-FIN 网络，以模仿四个标准的时间特征（熵、均方根、方差、简单平方积分），并探索了迁移学习的能力。我们的结果表明，LSTM 网络在特征重构方面可以达到
PDFa month ago
SpGesture：基于 Jaccard 注意力脉冲神经网络的无源域自适应 sEMG 手势识别
通过膜电位作为记忆列表，我们首次将无源领域适应引入脉冲神经网络，以缓解由分布变化引起的准确性降低，并通过新型的脉冲波 Jaccard 注意力提高了脉冲神经网络对表面肌电图特征的表示能力，从而显著提高了系统的准确性。在收集的新的表面肌电图手势
PDFa month ago
MEET: 基于混合专家的额外树型 sEMG 手势识别
人工智能在各领域如医学、机器人、教育、工业等方面取得重大进展，其中人手势识别是利用肌电图在机械手控制中最近兴起的研究兴趣领域。通过混合专家额外树（MEET）模型，结合多种机器学习算法和信号捕获设备，对手势进行准确有效的识别。
PDF2 months ago
手势识别中噪声鲁棒性策略再探：基于表面肌电信号分析的短期增强
基于表面肌电图的手势识别，通过短期增强模块 (STEM) 和可学习的降噪机制，实现了对噪音的减少和对各种手势识别任务的泛化。
PDF3 months ago
一种用于表面肌电信号的非侵入性神经质量评估模型
该研究提出了 QASE-net，这是一种新的非侵入式模型，用于预测 sEMG 信号的信噪比，实验结果显示 QASE-net 具有明显降低的预测误差和与真实结果更高的线性相关性，具备提高 sEMG 质量评估可靠性和精度的潜力。
PDF5 months ago
SDEMG：基于评分的表面肌电信号抑噪扩散模型
本研究提出了一种名为 SDEMG 的面向 sEMG 信号去噪的基于评分扩散模型的新方法，实验证明 SDEMG 优于比较方法，并产生了高质量的 sEMG 样本。
PDF5 months ago
通过特征激活增强和正交原型学习实现开放式手势识别
该论文提出了基于表面肌电图的开放集手势识别方法，通过特征激活水平和投影不一致性识别已知和未知手势，达到了准确的闭集分类和有效的未知手势拒识。
PDF7 months ago
通过多维特征学习从 sEMG 预测连续运动模式
通过 Deep-STF 模型，利用表面肌电信号进行集成特征提取，能够准确和稳健地预测不同运动模式和转换，具有出色的预测性能和稳定预测时间。
PDF8 months ago
增强基于肌电信号的手势识别表达能力的多标签分类方法
通过问题转换方法和合成数据生成策略，本研究提出了一种表面肌电图（sEMG）手势识别系统，可有效提高表达能力，在短时间内实现模型校准，适用于人机交互、虚拟现实和机器人控制等领域。
PDF10 months ago
从单模态到多模态：通过深度生成模型改进基于 sEMG 的模式识别
通过使用深度生成模型生成虚拟惯性测量单元信号，将 sEMG 信号和生成的虚拟 IMU 信号输入多模态卷积神经网络模型，可以显著提高基于 sEMG 的手势识别的准确性。
PDFa year ago
基于步态周期的学习策略，用于基于 sEMG 的膝关节轨迹连续预测
通过表面肌电信号和步行周期启发的学习策略，该研究提出了一种模型，成功预测人体膝关节角度，并在相关文献中取得了至少 9.5% 的误差减少，为该领域的最佳表现。
PDFa year ago
基于物理学知识的 sEMG 低样本学习方法用于肌肉力量和关节运动估计
本文提出了一种新颖的物理知识驱动的低样本学习方法，将拉格朗日运动方程和反动力学肌肉模型无缝集成到生成对抗网络 (GAN) 框架中，用于动态肌肉力学分析。
PDFa year ago
多分辨率物理信息循环神经网络：配方及应用于肌肉骨骼系统
提出了一种多分辨率物理信息循环神经网络 (MR PI-RNN)，用于同时预测肌肉骨骼 (MSK) 运动和识别 MSK 系统参数，该方法利用快速小波变换将混合频率的表面肌电图 (sEMG) 和关节运动信号分解为嵌套的多分辨率信号，并且采用分层
PDFa year ago