首页> 外文期刊>IEEE Signal Processing Magazine >Machine Learning for the Control of Prosthetic Arms: Using Electromyographic Signals for Improved Performance
【24h】

Machine Learning for the Control of Prosthetic Arms: Using Electromyographic Signals for Improved Performance

机译:用于控制假臂的机器学习:使用电拍摄信号提高性能

获取原文
获取原文并翻译 | 示例
           

摘要

The human hand can perform many precise functions and is relied upon for countless aspects of daily life. When upperlimb amputation is necessitated, an affected individual's sense of independence is understandably impacted.
机译:人手可以执行许多精确的功能,并依赖于日常生活的无数方面。 当需要上林截肢时,受影响的个人独立感是可理解的。

著录项

  • 来源
    《IEEE Signal Processing Magazine》 |2021年第4期|46-53|共8页
  • 作者

    Holobar Ales; Farina Dario;

  • 作者单位

    Univ Maribor Fac Elect Engn & Comp Sci Maribor 2000 Slovenia|Univ Maribor Syst Software Lab Maribor 2000 Slovenia|Univ Maribor Inst Comp Sci Maribor 2000 Slovenia;

    Imperial Coll London Dept Bioengn Neurorehabil Engn London SW7 2AZ England|Aalborg Univ Aalborg Denmark|Univ Med Ctr Gottingen Gottingen Germany|Univ Med Ctr Gottingen Bernstein Focus Neurotechnol Gottingen Dept Neurorehabilitat Syst Neuroinformat Gottingen Germany;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    Machine learning; Prosthetics; Man-machine systems; Electromyography; Biomedical signal processing;

    机译:机器学习;假肢;人机系统;肌电图;生物医学信号处理;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号