論文の概要: Continuous Gesture Recognition from sEMG Sensor Data with Recurrent Neural Networks and Adversarial Domain Adaptation

• arxiv url: http://arxiv.org/abs/2012.08816v1
• Date: Wed, 16 Dec 2020 09:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 08:59:28.634009
• Title: Continuous Gesture Recognition from sEMG Sensor Data with Recurrent Neural Networks and Adversarial Domain Adaptation
• Title（参考訳）: 繰り返しニューラルネットワークと対向領域適応を用いたsEMGセンサデータからの連続ジェスチャー認識
• Authors: Ivan Sosin, Daniel Kudenko, and Aleksei Shpilman
• Abstract要約: 移動手首と非移動手首のジェスチャー認識において経験的な結果を示す。 RNNによる連続ジェスチャー認識にドメイン適応技術を加えることで、被験者間の移動能力が向上することを示した。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Movement control of artificial limbs has made big advances in recent years. New sensor and control technology enhanced the functionality and usefulness of artificial limbs to the point that complex movements, such as grasping, can be performed to a limited extent. To date, the most successful results were achieved by applying recurrent neural networks (RNNs). However, in the domain of artificial hands, experiments so far were limited to non-mobile wrists, which significantly reduces the functionality of such prostheses. In this paper, for the first time, we present empirical results on gesture recognition with both mobile and non-mobile wrists. Furthermore, we demonstrate that recurrent neural networks with simple recurrent units (SRU) outperform regular RNNs in both cases in terms of gesture recognition accuracy, on data acquired by an arm band sensing electromagnetic signals from arm muscles (via surface electromyography or sEMG). Finally, we show that adding domain adaptation techniques to continuous gesture recognition with RNN improves the transfer ability between subjects, where a limb controller trained on data from one person is used for another person.
• Abstract（参考訳）: 人工肢の運動制御は近年大きな進歩を遂げている。 新たなセンサと制御技術により、手足の機能と有用性が強化され、握りなどの複雑な動きを限られた範囲で行うことが可能になった。 これまで、最も成功した結果は、recurrent neural networks (rnn)を適用することで達成された。 しかし、人工手の分野では、これまでの実験は非移動式手首に限られており、義肢の機能を大幅に低下させる。 本稿では,携帯型手首と非モバイル型手首を用いたジェスチャー認識における経験的結果を初めて提示する。 さらに、腕の筋肉から電磁波を検知するアームバンド(表面筋電図またはsEMG)のデータに基づいて、ジェスチャー認識精度において、単純なリカレントユニット(SRU)によるリカレントニューラルネットワークが通常のRNNより優れていることを示す。 最後に,rnnを用いた連続的なジェスチャ認識にドメイン適応技術を加えることで,被験者間の伝達能力が向上することを示す。

関連論文リスト

• An LSTM Feature Imitation Network for Hand Movement Recognition from sEMG Signals [2.632402517354116]
  我々は,Ninapro DB2上の300ms信号ウィンドウ上での閉形式時間特徴学習にFIN(Feature-imitating Network)を適用することを提案する。 次に、下流手の動き認識タスクに事前学習したLSTM-FINを適用して、転送学習機能について検討する。
  論文  参考訳（メタデータ） (2024-05-23T21:45:15Z)
• Artificial Neural Networks-based Real-time Classification of ENG Signals for Implanted Nerve Interfaces [7.335832236913667]
  そこで我々は,ラットの坐骨神経で測定された脳波(ENG)信号から感覚刺激を抽出するために,4種類の人工ニューラルネットワーク(ANN)を探索した。 データセットの異なるサイズは、リアルタイム分類のための調査されたANNの実現可能性を分析するために考慮される。 以上の結果から,ANNはリアルタイムアプリケーションに適しており,100ドル,200ドル以上の信号ウィンドウに対して90%以上のアキュラシーを達成でき,その処理時間も低く,病的回復に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-29T15:23:30Z)
• Surrogate Gradient Spiking Neural Networks as Encoders for Large Vocabulary Continuous Speech Recognition [91.39701446828144]
  スパイクニューラルネットワークは, 代理勾配法を用いて, 通常のリカレントニューラルネットワークのように訓練可能であることを示す。 彼らは音声コマンド認識タスクについて有望な結果を示した。 繰り返し発生する非スパイキングとは対照的に、ゲートを使わずに爆発する勾配問題に対して堅牢性を示す。
  論文  参考訳（メタデータ） (2022-12-01T12:36:26Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Deep Real-Time Decoding of bimanual grip force from EEG & fNIRS [3.0176686218359694]
  非侵襲的移動脳画像から得られた皮質信号を用いて連続的な手力復号を実現する方法を示す。 以上の結果から,非侵襲的移動脳イメージングにより得られた皮質信号を用いた連続的な手力復号は,リハビリテーション,修復,消費者応用に直ちに影響を与えることが示唆された。
  論文  参考訳（メタデータ） (2021-03-09T10:28:05Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Neuroevolution of a Recurrent Neural Network for Spatial and Working Memory in a Simulated Robotic Environment [57.91534223695695]
  我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。 提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
  論文  参考訳（メタデータ） (2021-02-25T02:13:52Z)
• Controllable reset behavior in domain wall-magnetic tunnel junction artificial neurons for task-adaptable computation [1.4505273244528207]
  ドメイン壁-磁気トンネル接合(DW-MTJ)デバイスは、生物学的ニューロンの挙動を本質的に捉えることができることが示されている。 そこで本研究では,DW-MTJ人工ニューロンにおいて,3つの代替メカニズムを用いてエジラックス動作を実装可能であることを示す。
  論文  参考訳（メタデータ） (2021-01-08T16:50:29Z)
• Graph Convolutional Networks Reveal Neural Connections Encoding Prosthetic Sensation [1.4431534196506413]
  被験者が人工的な入力を解釈することを学ぶときの刺激パラメータを最適化する機械学習戦略は、デバイスの有効性を向上させる可能性がある。 深層学習を非ユークリッドグラフデータに拡張する最近の進歩は、神経スパイク活動の解釈に新しいアプローチをもたらす。 人工感覚情報の処理に関与するニューロン間の機能的関係を推定するために,グラフ畳み込みネットワーク(GCN)を適用した。
  論文  参考訳（メタデータ） (2020-08-23T01:43:46Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。