論文の概要: A Relation Spectrum Inheriting Taylor Series: Muscle Synergy and Coupling for Hand

• arxiv url: http://arxiv.org/abs/2004.11910v3
• Date: Mon, 12 Oct 2020 21:37:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 21:24:42.571002
• Title: A Relation Spectrum Inheriting Taylor Series: Muscle Synergy and Coupling for Hand
• Title（参考訳）: テイラー系列を継承する関係スペクトル:筋相乗効果と手のカップリング
• Authors: Gang Liu and Jing Wang
• Abstract要約: 数学にはテイラー級数とフーリエ級数という2つの有名な関数分解法がある。 そこで、我々は、デンドライトネットを用いてテイラー級数を開発し、関係スペクトルを構築し、それをモデルまたはシステム分解解析に適用した。
• 参考スコア（独自算出の注目度）: 6.2611437040083855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There are two famous function decomposition methods in math: Taylor Series and Fourier Series. Fourier series developed into Fourier spectrum, which was applied to signal decomposition\analysis. However, because the Taylor series whose function without a definite functional expression cannot be solved, Taylor Series has rarely been used in engineering. Here, we developed Taylor series by our Dendrite Net, constructed a relation spectrum, and applied it to model or system decomposition\analysis. Specific engineering: the knowledge of the intuitive link between muscle activity and the finger movement is vital for the design of commercial prosthetic hands that do not need user pre-training. However, this link has yet to be understood due to the complexity of human hand. In this study, the relation spectrum was applied to analyze the muscle-finger system. One single muscle actuates multiple fingers, or multiple muscles actuate one single finger simultaneously. Thus, the research was in muscle synergy and muscle coupling for hand. This paper has two main contributions. (1) The findings of hand contribute to designing prosthetic hands. (2) The relation spectrum makes the online model human-readable, which unifies online performance and offline results. Code (novel tool for most fields) is available at https://github.com/liugang1234567/Gang-neuron.
• Abstract（参考訳）: 数学にはテイラー級数とフーリエ級数という2つの有名な関数分解法がある。 フーリエ級数はフーリエスペクトルに発展し、信号分解解析に応用された。 しかし、特定の関数式を持たないテイラー級数は解決できないため、テイラー級数は工学ではほとんど使われていない。 そこで我々はデンドライトネットを用いてテイラー級数を開発し,関係スペクトルを構築し,モデルやシステム分解解析に適用した。 具体的工学: 筋活動と指の動きの直感的な結びつきに関する知識は、ユーザの事前訓練を必要としない商業用義手の設計に不可欠である。 しかし、このリンクは人間の手の複雑さのためにまだ理解されていない。 本研究では筋-指系の解析に相関スペクトルを適用した。 1本の筋肉が複数の指を同時に動かしたり、複数の筋肉が1本の指を同時に動かしたりする。 この研究は、手の筋肉のシナジーと筋肉の結合に関するものだった。 この論文には2つの主な貢献がある。 1)手の所見は義手の設計に寄与する。 2) 関係スペクトルはオンラインモデルを人間可読化し,オンラインのパフォーマンスとオフラインの結果を統一する。 コードはhttps://github.com/liugang1234567/gang-neuronで入手できる。

関連論文リスト

• Pretrained Diffusion Models for Unified Human Motion Synthesis [33.41816844381057]
  MoFusionは統合されたモーション合成のためのフレームワークである。 多様な制御信号の挿入を容易にするためにTransformerのバックボーンを使用している。 また、身体部分の運動完了から全身運動生成まで、多粒性合成をサポートする。
  論文  参考訳（メタデータ） (2022-12-06T09:19:21Z)
• Skeleton-Parted Graph Scattering Networks for 3D Human Motion Prediction [120.08257447708503]
  体-関節関係をモデル化するグラフ畳み込みネットワークに基づく手法は,最近3次元骨格に基づく人間の動作予測において大きな可能性を示唆している。 骨格分割グラフ散乱ネットワーク(SPGSN)を提案する。 SPGSNは、Human3.6M、CMU Mocap、および3DPWデータセット上で、関節位置誤差(MPJPE)当たりの3D平均の13.8%、9.3%、および2.7%の差で最先端の手法を上回っている。
  論文  参考訳（メタデータ） (2022-07-31T05:51:39Z)
• Learning the Evolutionary and Multi-scale Graph Structure for Multivariate Time Series Forecasting [50.901984244738806]
  時系列の進化的・マルチスケール相互作用をモデル化する方法を示す。 特に、まず、拡張畳み込みと協調して、スケール固有の相関を捉える階層グラフ構造を提供する。 最終的な予測を得るために上記のコンポーネントを統合するために、統合ニューラルネットワークが提供される。
  論文  参考訳（メタデータ） (2022-06-28T08:11:12Z)
• Seeing Implicit Neural Representations as Fourier Series [13.216389226310987]
  Inlicit Neural Representation (INR)は低次元問題領域における高周波関数を表現するために多層パーセプトロンを使用する。 これらの表現は、複雑な3Dオブジェクトやシーンに関連するタスクについて、最先端の結果を得た。 この研究は2つの方法間の接続を分析し、フーリエ写像されたパーセプトロンが構造的に1つの隠蔽層SIRENと似ていることを示す。
  論文  参考訳（メタデータ） (2021-09-01T08:40:20Z)
• Multipoint correlation functions: spectral representation and numerical evaluation [0.0]
  多体フレームワークに適用可能な多点相関関数に対する一般化スペクトル表現を導出する。 本手法は時間順序特性からスペクトルを分離し、3つの形式主義の関係を解明する。 数値再正規化群 (NRG) 法を用いて, 選択した量子不純物モデルに対する数値結果を示す。
  論文  参考訳（メタデータ） (2021-01-03T21:35:56Z)
• A Framework for Learning Invariant Physical Relations in Multimodal Sensory Processing [0.0]
  我々は、教師なしの方法で、知覚的手がかり間の関係を学習できる新しいニューラルネットワークアーキテクチャを設計する。 低次元知覚データにおける任意の非線形関係を学習する際のコアシステム機能について述べる。 我々は、標準的なRGBカメラフレームから物理量間の関係を学習する現実世界の学習問題を通してこれを実証する。
  論文  参考訳（メタデータ） (2020-06-30T08:42:48Z)
• Learning compositional functions via multiplicative weight updates [97.9457834009578]
  乗算重み更新は構成関数に合わせた降下補題を満たすことを示す。 マダムは、学習率のチューニングなしに、最先端のニューラルネットワークアーキテクチャをトレーニングできることを示す。
  論文  参考訳（メタデータ） (2020-06-25T17:05:19Z)
• Can Temporal-Difference and Q-Learning Learn Representation? A Mean-Field Theory [110.99247009159726]
  時間差とQ-ラーニングは、ニューラルネットワークのような表現力のある非線形関数近似器によって強化される深層強化学習において重要な役割を担っている。 特に時間差学習は、関数近似器が特徴表現において線形であるときに収束する。
  論文  参考訳（メタデータ） (2020-06-08T17:25:22Z)
• DeepRetinotopy: Predicting the Functional Organization of Human Visual Cortex from Structural MRI Data using Geometric Deep Learning [125.99533416395765]
  我々は,脳機能と解剖学の複雑な関係を構造的および機能的MRIデータから学習するために,大脳皮質の構造を活用できるディープラーニングモデルを開発した。 我々のモデルは解剖学的特性だけで人間の視覚野の機能的構造を予測することができ、また個人間でのニュアンスの変化を予測することができた。
  論文  参考訳（メタデータ） (2020-05-26T04:54:31Z)
• Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
  相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。 ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
  論文  参考訳（メタデータ） (2020-05-25T18:25:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。