論文の概要: A Compound Classification System Based on Fuzzy Relations Applied to the Noise-Tolerant Control of a Bionic Hand via EMG Signal Recognition
- arxiv url: http://arxiv.org/abs/2509.20523v1
- Date: Wed, 24 Sep 2025 19:48:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-26 20:58:12.574066
- Title: A Compound Classification System Based on Fuzzy Relations Applied to the Noise-Tolerant Control of a Bionic Hand via EMG Signal Recognition
- Title（参考訳）: EMG信号認識によるバイオニックハンドの耐雑音制御におけるファジィ関係に基づく複合分類システム
- Authors: Pawel Trajdos, Marek Kurzynski,
- Abstract要約: 著者らは, 汚染バイオシグナールの検出による手指義手制御を目的とした新しい認識システムを提案する。
全ての認識システムに対して、認識プロセス全体で均一なソフト(ファジィ)決定スキームを使用できる、元のコヒーレントなファジィモデルが開発された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Modern anthropomorphic upper limb bioprostheses are typically controlled by electromyographic (EMG) biosignals using a pattern recognition scheme. Unfortunately, there are many factors originating from the human source of objects to be classified and from the human-prosthesis interface that make it difficult to obtain an acceptable classification quality. One of these factors is the high susceptibility of biosignals to contamination, which can considerably reduce the quality of classification of a recognition system. In the paper, the authors propose a new recognition system intended for EMG based control of the hand prosthesis with detection of contaminated biosignals in order to mitigate the adverse effect of contaminations. The system consists of two ensembles: the set of one-class classifiers (OCC) to assess the degree of contamination of individual channels and the ensemble of K-nearest neighbours (KNN) classifier to recognise the patient's intent. For all recognition systems, an original, coherent fuzzy model was developed, which allows the use of a uniform soft (fuzzy) decision scheme throughout the recognition process. The experimental evaluation was conducted using real biosignals from a public repository. The goal was to provide an experimental comparative analysis of the parameters and procedures of the developed method on which the quality of the recognition system depends. The proposed fuzzy recognition system was also compared with similar systems described in the literature.
- Abstract（参考訳）: 現代の人為的上肢生合成は、パターン認識方式を用いて筋電図(EMG)バイオシグナーによって制御されるのが一般的である。
残念なことに、分類対象の人体源や、許容できる分類品質を得るのが困難になる人体補綴インタフェースから派生した要因が多数存在する。
これらの要因の1つは、生物信号の汚染に対する高い感受性であり、認識システムの分類の質を著しく低下させる可能性がある。
本報告では, 汚染バイオシグナールの検出によるEMGによる手指義肢の制御を目的とした新しい認識システムを提案し, 汚染の悪影響を軽減した。
このシステムは、2つのアンサンブルから構成される: 個々のチャネルの汚染度を評価する1級分類器(OCC)と、患者の意図を認識するためにK-nearest neighbors(KNN)分類器のアンサンブル。
全ての認識システムに対して、認識プロセス全体で均一なソフト(ファジィ)決定スキームを使用できる、元のコヒーレントなファジィモデルが開発された。
公開リポジトリから実バイオシグナーを用いて実験を行った。
本研究の目的は,認識システムの品質が依存する手法のパラメータと手順に関する実験的な比較分析を提供することである。
提案するファジィ認識システムは,文献に記述された類似のシステムと比較した。
関連論文リスト
- Cascade of one-class classifier ensemble and dynamic naive Bayes classifier applied to the myoelectric-based upper limb prosthesis control with contaminated channels detection [0.3683202928838613]
筆者らは, 汚染されたsEMG信号の検出による手指義肢の制御を目的とした新しい認識システムを提案する。
提案手法の独創性は、カスケード構造で動作する2つの認識システムの協調性にある。
論文 参考訳（メタデータ） (2025-03-10T11:39:36Z) - Application of Context-dependent Interpretation of Biosignals Recognition to Control a Bionic Multifunctional Hand Prosthesis [0.3683202928838613]
本稿では,表面筋電図駆動補綴(sEMG)の制御法について述べる。
文脈に依存した認識システムは、文脈に応じて同じ種類のsEMG信号が異なる解釈を持つことができる。
論文 参考訳（メタデータ） (2025-02-18T21:38:49Z) - A dual ensemble classifier used to recognise contaminated multi-channel EMG and MMG signals in the control of upper limb bioprosthesis [0.3683202928838613]
本研究の目的は,生体信号のマルチモダリティとマルチチャネル記録に関連する要因を緩和する認識システムを開発することである。
提案手法では,2つの協調型マルチクラス化システムを用いる。
論文 参考訳（メタデータ） (2024-07-26T11:36:05Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-11-24T12:11:22Z) - Adaptive Template Enhancement for Improved Person Recognition using
Small Datasets [0.9668407688201358]
本稿では,脳波(EEG)信号の新たな分類法を提案し,評価した。
提案した適応テンプレート拡張機構は,各特徴次元を別々に扱うことで特徴レベルのインスタンスを変換する。
提案手法は,識別シナリオと検証シナリオの両方において,分類精度が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-01-03T10:14:38Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Improving Medical Image Classification with Label Noise Using
Dual-uncertainty Estimation [72.0276067144762]
医用画像における2種類のラベルノイズについて論じ,定義する。
医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-28T14:56:45Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z)
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。