論文の概要: Towards Cross-Subject EMG Pattern Recognition via Dual-Branch Adversarial Feature Disentanglement
- arxiv url: http://arxiv.org/abs/2506.08555v1
- Date: Tue, 10 Jun 2025 08:23:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:41.87661
- Title: Towards Cross-Subject EMG Pattern Recognition via Dual-Branch Adversarial Feature Disentanglement
- Title（参考訳）: Dual-Branch Adversarial Feature Disentanglement を用いた多目的EMGパターン認識に向けて
- Authors: Xinyue Niu, Akira Furui,
- Abstract要約: クロスオブジェクト筋電図(EMG)パターン認識は, 筋解剖学, 電極配置, 信号特性の相違により, 重要な課題に直面している。
従来の手法では、モデルを新しいユーザに適用するために、対象固有のキャリブレーションデータを頼りにしている。
本稿では,EMG特徴をパターン固有成分と主観固有成分に分離することにより,パターン認識と個人識別を同時に行うエンド・ツー・エンドの対向ニューラルネットワークを提案する。
- 参考スコア（独自算出の注目度）: 2.209921757303168
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-subject electromyography (EMG) pattern recognition faces significant challenges due to inter-subject variability in muscle anatomy, electrode placement, and signal characteristics. Traditional methods rely on subject-specific calibration data to adapt models to new users, an approach that is both time-consuming and impractical for large-scale, real-world deployment. This paper presents an approach to eliminate calibration requirements through feature disentanglement, enabling effective cross-subject generalization. We propose an end-to-end dual-branch adversarial neural network that simultaneously performs pattern recognition and individual identification by disentangling EMG features into pattern-specific and subject-specific components. The pattern-specific components facilitate robust pattern recognition for new users without model calibration, while the subject-specific components enable downstream applications such as task-invariant biometric identification. Experimental results demonstrate that the proposed model achieves robust performance on data from unseen users, outperforming various baseline methods in cross-subject scenarios. Overall, this study offers a new perspective for cross-subject EMG pattern recognition without model calibration and highlights the proposed model's potential for broader applications, such as task-independent biometric systems.
- Abstract（参考訳）: クロスオブジェクト筋電図(EMG)パターン認識は, 筋解剖学, 電極配置, 信号特性の相違により, 重要な課題に直面している。
従来の手法では、モデルを新しいユーザに適用するために、対象固有のキャリブレーションデータを頼りにしている。
本稿では,特徴の絡み合いによるキャリブレーション要求を解消し,効果的なクロスオブジェクト一般化を実現する手法を提案する。
本稿では,EMG特徴をパターン固有成分と主観固有成分に分離することにより,パターン認識と個人識別を同時に行うエンド・ツー・エンドの対向ニューラルネットワークを提案する。
パターン固有のコンポーネントは、モデルキャリブレーションなしで新規ユーザに対して堅牢なパターン認識を可能にし、課題固有のコンポーネントはタスク不変の生体認証などの下流アプリケーションを可能にする。
実験により,提案モデルが未確認ユーザからのデータに対して頑健な性能を実現し,クロスオブジェクトシナリオにおける各種ベースライン手法よりも優れた性能を示した。
本研究は、モデルキャリブレーションを伴わないクロスオブジェクトEMGパターン認識の新しい視点を提供するとともに、タスク非依存バイオメトリックシステムのようなより広範な応用へのモデルの可能性を強調した。
関連論文リスト
- Investigating Mask-aware Prototype Learning for Tabular Anomaly Detection [10.59950164851305]
タブラル異常検出は、医学的疾患の特定、金銭的不正検出、侵入監視など、様々な現実世界の応用において重要である。
近年の深層学習に基づく手法は,表現の絡み合いや,異常検出性能を妨げる大域的相関モデリングの欠如に悩まされている。
本稿では,マスクモデルとプロトタイプ学習を導入し,この問題に対処する。
論文 参考訳（メタデータ） (2025-06-03T11:22:44Z) - Cross-Spectral Vision Transformer for Biometric Authentication using Forehead Subcutaneous Vein Pattern and Periocular Pattern [1.2137050542976475]
本稿では,生体認証のための軽量クロススペクトル・ビジョン・トランスフォーマ (CS-ViT) を提案する。
このフレームワークは、2つの異なる生体特性を扱うために設計されたクロススペクトルデュアルチャネルアーキテクチャで構成されている。
提案アルゴリズムは,前頭下皮下静脈パターンと近視バイオメトリックパターンデータベースを用いて厳密に評価した。
論文 参考訳（メタデータ） (2024-12-26T10:40:15Z) - Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection [58.87142367781417]
航法的に訓練された検出器は、限定的で単調な偽のパターンに過度に適合する傾向にあり、特徴空間は高度に制約され、低ランクになる。
潜在的な治療法の1つは、ビジョンファウンデーションモデルに事前訓練された知識を取り入れて、機能領域を広げることである。
主要なコンポーネントを凍結し、残ったコンポーネントのみを適用することで、フェイクパターンを学習しながら、トレーニング済みの知識を保存します。
論文 参考訳（メタデータ） (2024-11-23T19:10:32Z) - MeLIAD: Interpretable Few-Shot Anomaly Detection with Metric Learning and Entropy-based Scoring [2.394081903745099]
本稿では,新たな異常検出手法であるMeLIADを提案する。
MeLIADはメートル法学習に基づいており、真の異常の事前分布仮定に頼ることなく、設計による解釈可能性を達成する。
解釈可能性の定量的かつ定性的な評価を含む5つの公開ベンチマークデータセットの実験は、MeLIADが異常検出とローカライゼーション性能の改善を達成することを実証している。
論文 参考訳（メタデータ） (2024-09-20T16:01:43Z) - The Importance of Downstream Networks in Digital Pathology Foundation Models [1.689369173057502]
162のアグリゲーションモデル構成を持つ3つの異なるデータセットにまたがる7つの特徴抽出モデルを評価する。
多くの特徴抽出器モデルの性能は顕著に類似していることが判明した。
論文 参考訳（メタデータ） (2023-11-29T16:54:25Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Subject-Independent Drowsiness Recognition from Single-Channel EEG with
an Interpretable CNN-LSTM model [0.8250892979520543]
単一チャネル脳波信号からの主観的非依存的眠気認識のための新しい畳み込みニューラルネットワーク(CNN)-Long Short-Term Memory(LSTM)モデルを提案する。
その結果, 公立データセット上での被写体独立性認識において, 11人の被写体の平均精度は72.97%であった。
論文 参考訳（メタデータ） (2021-11-21T10:37:35Z) - Deep Variational Models for Collaborative Filtering-based Recommender
Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。
提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。
提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文 参考訳（メタデータ） (2021-07-27T08:59:39Z) - How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating
and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。
当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文 参考訳（メタデータ） (2021-02-17T18:25:30Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - 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。
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。