論文の概要: Towards Power-Efficient Design of Myoelectric Controller based on
Evolutionary Computation
- arxiv url: http://arxiv.org/abs/2204.02179v2
- Date: Thu, 18 May 2023 06:56:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 21:10:13.954443
- Title: Towards Power-Efficient Design of Myoelectric Controller based on
Evolutionary Computation
- Title（参考訳）: 進化的計算に基づく筋電制御器の電力効率設計に向けて
- Authors: Ahmed Aqeel Shaikh, Anand Kumar Mukhopadhyay, Soumyajit Poddar, and
Suman Samui
- Abstract要約: 筋電図認識は様々な用途における制御戦略の設計において重要な側面の1つである。
本研究は,教師あり学習フレームワークを考慮したエネルギー効率の高いEMGベースのコントローラの設計手法を提案する。
- 参考スコア（独自算出の注目度）: 0.22835610890984162
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Myoelectric pattern recognition is one of the important aspects in the design
of the control strategy for various applications including upper-limb
prostheses and bio-robotic hand movement systems. The current work has proposed
an approach to design an energy-efficient EMG-based controller by considering a
supervised learning framework using a kernelized SVM classifier for decoding
the information of surface electromyography (sEMG) signals to infer the
underlying muscle movements. In order to achieve the optimized performance of
the EMG-based controller, our main strategy of classifier design is to reduce
the false movements of the overall system (when the EMG-based controller is at
the `Rest' position). To this end, unlike the traditional single training
objective of soft margin kernelized SVM, we have formulated the training
algorithm of the proposed supervised learning system as a general constrained
multi-objective optimization problem. An elitist multi-objective evolutionary
algorithm $-$ the non-dominated sorting genetic algorithm II (NSGA-II) has been
used for the tuning of SVM hyperparameters. We have presented the experimental
results by performing the experiments on a dataset consisting of the sEMG
signals collected from eleven subjects at five different upper limb positions.
It is evident from the presented result that the proposed approach provides
much more flexibility to the designer in selecting the parameters of the
classifier to optimize the energy efficiency of the EMG-based controller.
- Abstract（参考訳）: 筋電図認識は上肢義肢や生体ロボティックハンドムーブメントシステムを含む様々な応用のための制御戦略の設計において重要な側面の1つである。
本研究は, 表面筋電図(SEMG)信号の復号化のためのSVM分類器を用いた教師あり学習フレームワークを応用して, 筋運動を推定し, エネルギー効率の高いEMGベースのコントローラを設計する手法を提案する。
EMGをベースとした制御器の最適化性能を達成するため,分類器設計の主な戦略は,システム全体の誤動作を低減することである(EMGをベースとした制御器が'Rest'位置にある場合)。
この目的のために,従来のソフトマージンカーネル化svmの単一学習目標とは異なり,提案する教師付き学習システムの学習アルゴリズムを,汎用的な制約付き多目的最適化問題として定式化した。
SVMハイパーパラメータのチューニングには、非支配的なソート遺伝的アルゴリズムNSGA-II(Non-Maninated sorting genetic algorithm II)が使用される。
5つの異なる上肢位置において11名の被験者から収集したsEMG信号からなるデータセットを用いて実験を行った。
提案手法は,emgベースの制御器のエネルギー効率を最適化するための分類器のパラメータ選択において,設計者にはるかに柔軟性を与える。
関連論文リスト
- Data/moment-driven approaches for fast predictive control of collective
dynamics [1.0557437060274468]
モデル予測制御(MPC)の2つの代替案が提案されている。
まず,最適フィードバック法則のオフライン近似における教師あり学習手法の利用について述べる。
次に,粒子アンサンブルの巨視的量に基づく力学の逐次線形化に基づく手順を概説する。
論文 参考訳（メタデータ） (2024-02-23T21:21:16Z) - Convergence Rate Maximization for Split Learning-based Control of EMG Prosthetic Devices [2.432653781859026]
Split Learning (SL) は筋電図に基づく補綴制御における有望な分散学習手法である。
本稿では,モデル収束率の最大化の観点から,最適カット層選択のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-06T15:05:49Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳（メタデータ） (2023-05-25T10:58:46Z) - Multiresolution Dual-Polynomial Decomposition Approach for Optimized
Characterization of Motor Intent in Myoelectric Control Systems [0.8122953016935794]
表面筋電図(sEMG)は、幅広いバイオメディカル応用の生理的信号である。
パターン認識(PR)に基づく制御方式におけるsEMGの使用は主に、その豊富な運動情報の内容と非侵襲性に起因する。
マルチクラスEMG信号の適切な復調と再構成のためのMRDPIによる多分解能分解法を提案する。
論文 参考訳（メタデータ） (2022-11-10T14:42:11Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳（メタデータ） (2022-09-09T14:58:43Z) - 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) - Meta-Learning with Neural Tangent Kernels [58.06951624702086]
メタモデルのニューラルタンジェントカーネル(NTK)によって誘導される再生カーネルヒルベルト空間(RKHS)における最初のメタラーニングパラダイムを提案する。
このパラダイムでは,MAMLフレームワークのように,最適な反復内ループ適応を必要としない2つのメタ学習アルゴリズムを導入する。
本研究の目的は,1) 適応をRKHSの高速適応正則化器に置き換えること,2) NTK理論に基づいて解析的に適応を解くことである。
論文 参考訳（メタデータ） (2021-02-07T20:53:23Z) - Improving EEG Decoding via Clustering-based Multi-task Feature Learning [27.318646122939537]
機械学習は、EEGパターンをより良い復号精度に最適化する有望な技術を提供します。
既存のアルゴリズムは、真のEEGサンプル分布を捕捉する基礎となるデータ構造を効果的に探索しない。
クラスタリングに基づく脳波パターン復号のためのマルチタスク機能学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-12T13:31:53Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。