期刊导航
期刊开放获取
河南省图书馆
退出
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
基于迁移学习的表面肌电信号手势识别
被引量:
1
1
作者
张应祥
位少聪
+1 位作者
张茜茜
周慧
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第3期304-310,共7页
为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试...
为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试者的sEMG信号作为源域数据对CNN进行训练,模型在源域数据上的分类准确率为85.3%~98.11%。取其他被试者的sEMG信号作为目标域数据,数据量大小为源域数据的10%。在已训练好的模型基础上固定前2层卷积层,微调其余层级的参数,完成模型在不同个体间的迁移。迁移后的模型在目标域上的分类准确率为84.14%~97.4%。
展开更多
关键词
迁移学习
表面肌电信号
手势识别
深度学习方法
卷积神经网络
源域
目标域
下载PDF
职称材料
题名
基于迁移学习的表面肌电信号手势识别
被引量:
1
1
作者
张应祥
位少聪
张茜茜
周慧
机构
南京理工大学自动化学院
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2023年第3期304-310,共7页
文摘
为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试者的sEMG信号作为源域数据对CNN进行训练,模型在源域数据上的分类准确率为85.3%~98.11%。取其他被试者的sEMG信号作为目标域数据,数据量大小为源域数据的10%。在已训练好的模型基础上固定前2层卷积层,微调其余层级的参数,完成模型在不同个体间的迁移。迁移后的模型在目标域上的分类准确率为84.14%~97.4%。
关键词
迁移学习
表面肌电信号
手势识别
深度学习方法
卷积神经网络
源域
目标域
Keywords
transfer learning
surface electromyographic signal
hand gesture recognition
deep learning method
convolutional neural network
source domain
target domain
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于迁移学习的表面肌电信号手势识别
张应祥
位少聪
张茜茜
周慧
《南京理工大学学报》
CAS
CSCD
北大核心
2023
1
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