論文の概要: High-speed Low-consumption sEMG-based Transient-state micro-Gesture Recognition

• arxiv url: http://arxiv.org/abs/2403.06998v2
• Date: Wed, 13 Mar 2024 01:19:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 17:27:46.177358
• Title: High-speed Low-consumption sEMG-based Transient-state micro-Gesture Recognition
• Title（参考訳）: 高速低消費電力sEMGを用いた過渡状態マイクロジェスチャ 認識
• Authors: Youfang Han, Wei Zhao, Xiangjin Chen, Xin Meng
• Abstract要約: 提案されたSNNの精度はそれぞれ83.85%と93.52%である。 この手法は、高精度、高速、低消費電力のマイクロジェスチャー認識タスクに使用できる。
• 参考スコア（独自算出の注目度）: 6.649481653007372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gesture recognition on wearable devices is extensively applied in human-computer interaction. Electromyography (EMG) has been used in many gesture recognition systems for its rapid perception of muscle signals. However, analyzing EMG signals on devices, like smart wristbands, usually needs inference models to have high performances, such as low inference latency, low power consumption, and low memory occupation. Therefore, this paper proposes an improved spiking neural network (SNN) to achieve these goals. We propose an adaptive multi-delta coding as a spiking coding method to improve recognition accuracy. We propose two additive solvers for SNN, which can reduce inference energy consumption and amount of parameters significantly, and improve the robustness of temporal differences. In addition, we propose a linear action detection method TAD-LIF, which is suitable for SNNs. TAD-LIF is an improved LIF neuron that can detect transient-state gestures quickly and accurately. We collected two datasets from 20 subjects including 6 micro gestures. The collection devices are two designed lightweight consumer-level sEMG wristbands (3 and 8 electrode channels respectively). Compared to CNN, FCN, and normal SNN-based methods, the proposed SNN has higher recognition accuracy. The accuracy of the proposed SNN is 83.85% and 93.52% on the two datasets respectively. In addition, the inference latency of the proposed SNN is about 1% of CNN, the power consumption is about 0.1% of CNN, and the memory occupation is about 20% of CNN. The proposed methods can be used for precise, high-speed, and low-power micro-gesture recognition tasks, and are suitable for consumer-level intelligent wearable devices, which is a general way to achieve ubiquitous computing.
• Abstract（参考訳）: ウェアラブルデバイスにおけるジェスチャー認識は、人間とコンピュータの相互作用に広く応用されている。 筋電図(EMG)は、多くのジェスチャー認識システムで筋肉信号の迅速な認識に用いられている。 しかしながら、スマートリストバンドのようなデバイス上のEMG信号を解析するには、推論レイテンシの低い、消費電力の低い、メモリ占有率の低いといった高いパフォーマンスを持つための推論モデルが必要である。 そこで本稿では,これらの目標を達成するために,改良されたスパイクニューラルネットワーク(SNN)を提案する。 適応型マルチデルタ符号化をスパイキング符号化法として提案し,認識精度を向上する。 本研究では, 推定エネルギー消費とパラメータの量を大幅に削減し, 時間差の頑健性を向上させる2つの加法解法を提案する。 さらに,SNNに適した線形動作検出手法TAD-LIFを提案する。 TAD-LIFは、一過性のジェスチャーを迅速かつ正確に検出できる改善されたLIFニューロンである。 6つのマイクロジェスチャーを含む20の被験者から2つのデータセットを収集した。 コレクションデバイスは2つの軽量な消費者レベルsEMGリストバンド(それぞれ3と8の電極チャネル)である。 CNN,FCN,および通常のSNN法と比較して,提案手法は高い認識精度を有する。 提案されたSNNの精度はそれぞれ83.85%と93.52%である。 さらに、提案したSNNの推論遅延はCNNの約1%、消費電力はCNNの約0.1%、メモリ占有率はCNNの約20%である。 提案手法は高精度,高速,低消費電力のマイクロ位置認識タスクに使用することができ,ユビキタスコンピューティングの一般的な方法であるコンシューマレベルのインテリジェントウェアラブルデバイスに適している。

関連論文リスト

• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。 ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。 本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• A Methodology for Improving Accuracy of Embedded Spiking Neural Networks through Kernel Size Scaling [6.006032394972252]
  Spiking Neural Networks(SNN)は、機械学習ベースのアプリケーションに対して、超低電力/エネルギー消費を提供する。 現在、ほとんどのSNNアーキテクチャはより高精度なモデルサイズを必要とする。 本稿では,カーネルサイズスケーリングによるSNNの精度向上手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T06:42:14Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Analyzing the Impact of Varied Window Hyper-parameters on Deep CNN for sEMG based Motion Intent Classification [0.0]
  本研究は, ウィンドウ長と重なり合いの関係について検討し, CNNに応用するための強靭な生EMG2次元(2次元)信号の生成に影響を及ぼす可能性がある。 2次元EMG信号とより広いネットワークカーネルの75%の重なりが組み合わさることで、適切なEMG-CNNベースの補綴制御スキームのための理想的なモータインテント分類が得られることが示唆されている。
  論文  参考訳（メタデータ） (2022-09-13T08:14:49Z)
• Low Power Neuromorphic EMG Gesture Classification [3.8761525368152725]
  スパイキングニューラルネットワーク(SNN)は、低消費電力でリアルタイムなEMGジェスチャー認識を約束している。 ニューロモルフィック・リカレントスパイキングニューラルネットワーク(RSNN)を用いたEMG信号に基づくジェスチャー認識の低消費電力高精度実証を行った。 我々のネットワークは,Roshambo EMGデータセット上で報告された最高の技術よりも53%の精度で,最先端の精度分類(90%)を実現している。
  論文  参考訳（メタデータ） (2022-06-04T22:09:34Z)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
  本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。 この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。 分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
  論文  参考訳（メタデータ） (2022-01-18T13:59:22Z)
• Can Deep Neural Networks be Converted to Ultra Low-Latency Spiking Neural Networks? [3.2108350580418166]
  スパイクニューラルネットワーク(SNN)は、時間とともに分散されたバイナリスパイクを介して動作する。 SNNのためのSOTAトレーニング戦略は、非スパイキングディープニューラルネットワーク(DNN)からの変換を伴う そこで本研究では,DNNと変換SNNの誤差を最小限に抑えながら,これらの分布を正確にキャプチャする新たなトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-22T18:47:45Z)
• Quantized Neural Networks via {-1, +1} Encoding Decomposition and Acceleration [83.84684675841167]
  本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。 本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2021-06-18T03:11:15Z)
• FATNN: Fast and Accurate Ternary Neural Networks [89.07796377047619]
  Ternary Neural Networks (TNN) は、完全な精度のニューラルネットワークよりもはるかに高速で、電力効率が高いため、多くの注目を集めている。 そこで本研究では、3次内積の計算複雑性を2。 性能ギャップを軽減するために,実装に依存した3次量子化アルゴリズムを精巧に設計する。
  論文  参考訳（メタデータ） (2020-08-12T04:26:18Z)
• FSpiNN: An Optimization Framework for Memory- and Energy-Efficient Spiking Neural Networks [14.916996986290902]
  スパイキングニューラルネットワーク(SNN)は、スパイクタイピング依存の可塑性(STDP)ルールのために教師なし学習機能を提供する。 しかし、最先端のSNNは高い精度を達成するために大きなメモリフットプリントを必要とする。 トレーニングおよび推論処理のためのメモリ効率とエネルギー効率のよいSNNを得るための最適化フレームワークFSpiNNを提案する。
  論文  参考訳（メタデータ） (2020-07-17T09:40:26Z)

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。