TY -的A2 -刘,恒盟——魏Wentao AU -胡,徐汇盟——刘,华盟——周,明非盟-歌,燕PY - 2021 DA - 2021/12/29 TI -向一体化域Knowledge-Guided特性的工程和深特征学习表面Electromyography-Based手运动识别SP - 4454648六世- 2021 AB - machine-learning-driven决策问题,表面肌电图(表)的手运动识别的鲁棒控制的关键问题之一的神经接口,如肌电的假肢和康复机器人。尽管最近成功sEMG-based手运动识别使用端到端深功能学习技术基于深度学习模型,今天的sEMG-based手运动识别系统的性能仍然是噪声的限制,面肌信号的随机和非平稳的特性和研究人员已经提出了许多方法,改善sEMG-based手运动通过特性工程。旨在实现更高sEMG-based手运动识别精度而使性能和计算复杂度之间的权衡,本研究提出了一个渐进融合网络(PFNet)框架,使sEMG-based手运动识别通过集成域knowledge-guided特性的工程和深功能学习。特别是,它从原始表学习高级特性表征信号和改造的时频域特性通过学习网络特性和领域知识网络,分别,然后采用强度渐进融合策略逐步融合两个网络连接在一起并获得最终的决定。广泛实验五表数据集来评估我们的提议PFNet,和实验结果表明,该PFNet能达到平均手运动识别精度为87.8%,85.4%,68.3%,71.7%,和90.3%的五个数据集,分别,这比那些通过艺术的状态。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/4454648 - 10.1155 / 2021/4454648摩根富林明计算智力和神经科学PB - Hindawi KW - ER