期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于长短时记忆和卷积神经网络的手势肌电识别研究
被引量：
29
1
作者
陈思佳
罗志增
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第2期162-170,共9页
用表面肌电进行手势识别具有细节信息可选择性和抗外界干扰能力强的优势,但现有方法的适应性和识别准确性还不足。通过在卷积神经网络的基础上增加长短时记忆网络处理层,构筑手势识别模型,它能捕获手势动作过程的肌电时序特征,一定程度...
用表面肌电进行手势识别具有细节信息可选择性和抗外界干扰能力强的优势,但现有方法的适应性和识别准确性还不足。通过在卷积神经网络的基础上增加长短时记忆网络处理层,构筑手势识别模型,它能捕获手势动作过程的肌电时序特征,一定程度上减少了过拟合的现象。利用手势肌电丰富的时频域信息,提取手势肌电的小波包特征图像,并与手势肌电图像一起作为识别模型的输入数据,拓展手势识别模型中肌电信号的类别信息,同时在长短时记忆网络处理层与卷积神经网络层之间引入注意力机制,使得该模型能间接提高关键手势肌电通道的权重。实验结果证实本识别模型结合肌电两种特征输入的处理方法,与普通卷积神经网络模型以肌电图像输入的方法相比,识别准确率提升了4.25%。
展开更多
关键词
肌
电
信号
小波包分解
长短时记忆神经网络
注意力机制
手势肌电识别
在线阅读
下载PDF
职称材料
题名
基于长短时记忆和卷积神经网络的手势肌电识别研究
被引量：
29
1
作者
陈思佳
罗志增
机构
杭州电子科技大学智能控制与机器人研究所
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第2期162-170,共9页
基金
国家自然科学基金(61671197)项目资助
文摘
用表面肌电进行手势识别具有细节信息可选择性和抗外界干扰能力强的优势,但现有方法的适应性和识别准确性还不足。通过在卷积神经网络的基础上增加长短时记忆网络处理层,构筑手势识别模型,它能捕获手势动作过程的肌电时序特征,一定程度上减少了过拟合的现象。利用手势肌电丰富的时频域信息,提取手势肌电的小波包特征图像,并与手势肌电图像一起作为识别模型的输入数据,拓展手势识别模型中肌电信号的类别信息,同时在长短时记忆网络处理层与卷积神经网络层之间引入注意力机制,使得该模型能间接提高关键手势肌电通道的权重。实验结果证实本识别模型结合肌电两种特征输入的处理方法,与普通卷积神经网络模型以肌电图像输入的方法相比,识别准确率提升了4.25%。
关键词
肌
电
信号
小波包分解
长短时记忆神经网络
注意力机制
手势肌电识别
Keywords
surface electromyography
wavelet packet
long short-term memory network
attention mechanism
gesture recognition
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TH89 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于长短时记忆和卷积神经网络的手势肌电识别研究
陈思佳
罗志增
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021
29
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
