适应性边缘:适应型号更新用于机器意图解码与知识蒸和高效的EMG传感器系统
概括
本研究介绍了AdaptiveEdge,这是基于电肌图 (EMG) 的手势解码的新策略. 通过将实时,设备上的更新与离线培训相结合,AdaptiveEdge显著提高了积极康复和人机交互的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 基于电肌图 (EMG) 的手势解码对于积极的康复和人机交互至关重要.
- 生产级EMG传感器有局限性,EMG解码器由于疲劳,电极转移和不同的条件而遭受性能下降.
研究的目的:
- 为了提出一个低成本的EMG传感器网格和先进的解码策略,AdaptiveEdge.
- 通过自适应模型更新来解决EMG信号干扰和提高解码器性能.
主要方法:
- 开发了一个低成本的EMG传感器网.
- 实现了AdaptiveEdge,一种自适应模型更新策略,将离线培训与实时设备参数更新集成在一起.
- 进行了全面的实验,以评估解码精度和资源效率.
主要成果:
- 适应端实现了88.66%的准确性,比没有线下培训的方法提高了10.18% (78.48%).
- 该策略在各种EMG干扰场景中显示出显著的精度提升.
- 优化了设备上的应用程序的内存使用和能源消耗.
结论:
- 适应端为基于EMG的手势解码提供了强大的解决方案,提高了准确性和效率.
- 拟议的方法适用于资源有限的设备应用,如神经假肢.
- 进步促进了更有效和实用的基于EMG的设备,以改善人机交互.
更多相关视频
06:58A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study
Published on: November 6, 2015
10.2K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.4K
