論文の概要: Robustness-enhanced Myoelectric Control with GAN-based Open-set Recognition

• arxiv url: http://arxiv.org/abs/2412.15819v1
• Date: Fri, 20 Dec 2024 12:01:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:19:40.797946
• Title: Robustness-enhanced Myoelectric Control with GAN-based Open-set Recognition
• Title（参考訳）: GANを用いたオープンセット認識によるロバスト性強化筋電制御
• Authors: Cheng Wang, Ziyang Feng, Pin Zhang, Manjiang Cao, Yiming Yuan, Tengfei Chang,
• Abstract要約: 本稿では,筋電制御システムの堅牢性とユーザビリティを高めるために,GAN(Geneversarative Adrial Networks)に基づく新しいフレームワークを提案する。 GANベースの識別器を組み込んで未知の動作を識別・拒否し、誤分類を防止してシステムの安定性を維持する。 公開データセットと自己収集データセットの実験的評価は、未知のアクションを拒絶した後、既知のアクションに対する認識精度97.6%、アクティブエラーレート(AER)を23.6%改善したことを示している。
• 参考スコア（独自算出の注目度）: 5.224690634573138
• License:
• Abstract: Electromyography (EMG) signals are widely used in human motion recognition and medical rehabilitation, yet their variability and susceptibility to noise significantly limit the reliability of myoelectric control systems. Existing recognition algorithms often fail to handle unfamiliar actions effectively, leading to system instability and errors. This paper proposes a novel framework based on Generative Adversarial Networks (GANs) to enhance the robustness and usability of myoelectric control systems by enabling open-set recognition. The method incorporates a GAN-based discriminator to identify and reject unknown actions, maintaining system stability by preventing misclassifications. Experimental evaluations on publicly available and self-collected datasets demonstrate a recognition accuracy of 97.6\% for known actions and a 23.6\% improvement in Active Error Rate (AER) after rejecting unknown actions. The proposed approach is computationally efficient and suitable for deployment on edge devices, making it practical for real-world applications.
• Abstract（参考訳）: 筋電図(EMG)信号は、ヒトの運動認識やリハビリテーションにおいて広く用いられているが、その変動性とノイズに対する感受性は、筋電制御システムの信頼性を著しく制限している。 既存の認識アルゴリズムは不慣れな動作を効果的に処理できないことが多く、システムの不安定性とエラーにつながる。 本稿では,GAN(Generative Adversarial Networks)に基づく新しいフレームワークを提案する。 GANベースの識別器を組み込んで未知の動作を識別・拒否し、誤分類を防止してシステムの安定性を維持する。 公開データセットと自己収集データセットの実験的評価は、既知のアクションに対する認識精度97.6\%、未知のアクションを拒絶した後のアクティブエラーレート(AER)を23.6\%改善したことを示している。 提案手法は計算効率が高く,エッジデバイスへの展開に適している。

関連論文リスト

• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• ABCD: Trust enhanced Attention based Convolutional Autoencoder for Risk Assessment [0.0]
  産業システムにおける異常検出は、機器故障の防止、リスク識別の確保、システム全体の効率の維持に不可欠である。 従来の監視方法は、固定されたしきい値と経験則に依存しており、システムの健康状態の微妙な変化を検出し、差し迫った失敗を予測するのに十分な敏感ではない。 本稿では,リスク検出のためのアテンションベース畳み込みオートエンコーダ(ABCD)を提案する。 ABCDは、実世界の産業用冷却システムの歴史的データから導電率の正常な挙動を学習し、入力データを再構成し、期待されるパターンから逸脱する異常を識別する。
  論文  参考訳（メタデータ） (2024-04-24T20:15:57Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Enhancing Open-World Bacterial Raman Spectra Identification by Feature Regularization for Improved Resilience against Unknown Classes [0.0]
  従来のクローズドセット分類手法は、全ての試験サンプルが既知の病原体の1つに属すると仮定する。 ラマン分光法による病原体を同定する現在の最先端ニューラルネットワークは未知の入力に対して脆弱であることを示す。 我々はResNetアーキテクチャの新しいアンサンブルと、既存のクローズドワールド手法よりも優れたアテンションメカニズムを組み合わさった。
  論文  参考訳（メタデータ） (2023-10-19T17:19:47Z)
• Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain [1.8843687952462742]
  本稿では,早期故障検出と相互接続欠陥の正確な診断のための新しい非破壊的手法を提案する。 提案手法は, 周波数範囲にわたる係数反射の信号パターンを利用して, 根本原因同定と重大度評価の両立を可能にする。 実験結果から,本手法は断層検出および診断に有効であり,実世界の産業応用に拡張できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-20T10:51:21Z)
• Evaluating Uncertainty Calibration for Open-Set Recognition [5.8022510096020525]
  ディープニューラルネットワーク(DNN)は、アウト・オブ・ディストリビューション(OOD)データに過信的な確率を提供する。 我々は,OODデータに対する従来のキャリブレーション手法とは大きく異なる方法で,オープンセット条件に対する一般的なキャリブレーション手法を評価する。
  論文  参考訳（メタデータ） (2022-05-15T02:08:35Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• Uncertainty Weighted Actor-Critic for Offline Reinforcement Learning [63.53407136812255]
  オフライン強化学習は、探索を必要とせずに、事前に収集された静的データセットから効果的なポリシーを学ぶことを約束する。 既存のQラーニングとアクター批判に基づくオフポリティクスRLアルゴリズムは、アウト・オブ・ディストリビューション(OOD)アクションや状態からのブートストラップ時に失敗する。 我々は,OOD状態-動作ペアを検出し,トレーニング目標への貢献度を下げるアルゴリズムであるUncertainty Weighted Actor-Critic (UWAC)を提案する。
  論文  参考訳（メタデータ） (2021-05-17T20:16:46Z)
• The Impact of Data on the Stability of Learning-Based Control- Extended Version [63.97366815968177]
  本稿では,Lyapunovをベースとした,認証制御性能に対するデータの影響の定量化手法を提案する。 ガウス過程を通じて未知系の力学をモデル化することにより、モデルの不確実性と安定性条件の満足度の間の相互関係を決定できる。
  論文  参考訳（メタデータ） (2020-11-20T19:10:01Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。