Fugu-MT 論文翻訳(概要): EMG Signal Classification Using Reflection Coefficients and Extreme Value Machine

論文の概要: EMG Signal Classification Using Reflection Coefficients and Extreme Value Machine

arxiv url: http://arxiv.org/abs/2106.10561v1
Date: Sat, 19 Jun 2021 19:12:59 GMT
ステータス: 処理完了
システム内更新日: 2021-06-22 15:19:22.918474
Title: EMG Signal Classification Using Reflection Coefficients and Extreme Value Machine
Title（参考訳）: 反射係数と極値マシンを用いたemg信号の分類
Authors: Reza Bagherian Azhiri, Mohammad Esmaeili, Mohsen Jafarzadeh, and Mehrdad Nourani
Abstract要約: 本稿では,EMG信号の分類のための高性能アルゴリズムとしてExtreme Value Machineを提案する。自己回帰(AR)モデルから得られた反射係数を用いて分類器の集合を訓練する。
参考スコア（独自算出の注目度）: 2.169919643934826
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electromyography is a promising approach to the gesture recognition of humans if an efficient classifier with high accuracy is available. In this paper, we propose to utilize Extreme Value Machine (EVM) as a high-performance algorithm for the classification of EMG signals. We employ reflection coefficients obtained from an Autoregressive (AR) model to train a set of classifiers. Our experimental results indicate that EVM has better accuracy in comparison to the conventional classifiers approved in the literature based on K-Nearest Neighbors (KNN) and Support Vector Machine (SVM).
Abstract（参考訳）: エレクトロミオグラフィーは、高精度な効率的な分類器が利用可能であれば、人間のジェスチャー認識に有望なアプローチである。本稿では,emg信号の分類のための高性能アルゴリズムとして,evm(extreme value machine)の利用を提案する。自己回帰(AR)モデルから得られた反射係数を用いて分類器の集合を訓練する。 K-Nearest Neighbors (KNN) と Support Vector Machine (SVM) に基づく文献で承認された従来の分類器と比較して,EVM の精度がよいことを示す。

関連論文リスト

Evaluating Classifier Confidence for Surface EMG Pattern Recognition [4.56877715768796]
表面筋電図(EMG)は、パターン認識を介して様々なデバイスやソフトウェアのためのインタフェース信号として用いられる。本研究の目的は,EMGパターン認識における高い精度と信頼性を提供する分類器の種類を特定することである。
論文参考訳（メタデータ） (2023-04-12T15:05:25Z)
First steps towards quantum machine learning applied to the classification of event-related potentials [68.8204255655161]
低情報伝達速度は、臨床応用のための非侵襲脳波(EEG)に基づく脳-コンピュータインターフェースの主要なボトルネックである。本研究では,量子化支援ベクトル分類器(QSVC)の性能について検討する。 QSVCのトレーニング(予測)精度は83.17 (50.25) %であった。
論文参考訳（メタデータ） (2023-02-06T09:43:25Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
An Efficient Epileptic Seizure Detection Technique using Discrete Wavelet Transform and Machine Learning Classifiers [0.0]
本稿では,離散ウェーブレット変換(DWT)と機械学習分類器を用いたてんかん検出手法を提案する。 DWTは、周波数帯域の異なる信号のより良い分解を提供するため、特徴抽出に使われてきた。
論文参考訳（メタデータ） (2021-09-26T18:30:04Z)
EMG Pattern Recognition via Bayesian Inference with Scale Mixture-Based Stochastic Generative Models [0.0]
本稿では,大規模混合モデルを用いたEMGパターン分類手法を提案する。提案手法は変分学習により学習し,複雑性モデルの自動決定を可能にする。その結果,提案手法の有効性とEMGに基づく制御システムへの適用性を示した。
論文参考訳（メタデータ） (2021-07-21T02:51:19Z)
Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
論文参考訳（メタデータ） (2021-06-11T13:03:33Z)
Cauchy-Schwarz Regularized Autoencoder [68.80569889599434]
変分オートエンコーダ(VAE)は、強力で広く使われている生成モデルのクラスである。 GMMに対して解析的に計算できるCauchy-Schwarz分散に基づく新しい制約対象を導入する。本研究の目的は,密度推定,教師なしクラスタリング,半教師なし学習,顔分析における変分自動エンコーディングモデルの改善である。
論文参考訳（メタデータ） (2021-01-06T17:36:26Z)
Equipment Failure Analysis for Oil and Gas Industry with an Ensemble Predictive Model [0.0]
提案手法は,SMOトレーニングアルゴリズムを用いることで,より優れた性能が得られることを示す。この予測モデルの分類性能は、SMOトレーニングアルゴリズムの有無にかかわらず、SVMよりもかなり優れている。
論文参考訳（メタデータ） (2020-12-30T04:14:15Z)
Open-Set Recognition with Gaussian Mixture Variational Autoencoders [91.3247063132127]
推論において、オープンセット分類は、サンプルをトレーニングから既知のクラスに分類するか、未知のクラスとして拒絶するかのどちらかである。我々は,協調的に再構築を学習し,潜在空間におけるクラスベースのクラスタリングを行うよう,我々のモデルを訓練する。我々のモデルは、より正確で堅牢なオープンセット分類結果を実現し、平均的なF1改善率は29.5%である。
論文参考訳（メタデータ） (2020-06-03T01:15:19Z)
Robust Classification of High-Dimensional Spectroscopy Data Using Deep Learning and Data Synthesis [0.5801044612920815]
分光データのバイナリ分類における局所接続型ニューラルネットワーク(NN)の新たな応用を提案する。 2段階の分類プロセスは、2段階の分類パラダイムと1段階の分類パラダイムの代替として提示される。
論文参考訳（メタデータ） (2020-03-26T11:33:52Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。