TY -的A2 -张,年兽盟——魏Wentao盟——香港,香港非盟-吴,小李PY - 2021 DA - 2021/08/26 TI -池网络层次视图多通道表面Electromyography-Based手势识别SP - 6591035六世- 2021 AB -手势识别基于表面肌电图(表)中扮演一个重要的角色在生物医学和康复领域的工程。最近,有一个显著的进步在手势识别使用高密度表面肌电图(HD-sEMG)记录的传感器阵列。另一方面,健壮的手势识别使用多通道表记录的稀疏放置传感器仍然是一个重大的挑战。在多视图的背景下深入学习,提出了一种分层视图池网络(HVPN)框架,使多通道sEMG-based手势识别通过学习不仅视图相关特征还观点深深的分层次汇集多视图的功能空间。广泛intrasubject和主体评估进行了大规模的非侵入式自适应假肢(NinaPro)数据库,全面评估我们的提议HVPN框架。结果表明,当使用200 ms滑动窗口的部分数据,提出HVPN框架能够实现intrasubject手势识别精度为88.4%,85.8%,68.2%,72.9%,和90.3%,主体手势识别精度为84.9%,82.0%,65.6%,70.2%,和88.9%的前五subdatabases NinaPro,分别表现了最先进的方法。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/6591035 - 10.1155 / 2021/6591035摩根富林明计算智力和神经科学PB - Hindawi KW - ER