...
机译:一种深度转移学习方法,可减少基于EMG模式识别的控制中电极移位的影响
Shahid Beheshti Univ Med Sci Dept Biomed Engn Tehran 1985717443 Iran;
Univ Tehran Dept Elect Engn Tehran 111554563 Iran;
Univ New Brunswick Inst Biomed Engn Fredericton NB E3B 5A3 Canada;
Myoelectric control; EMG; deep learning; transfer learning; convolutional neural network; electrode shift;
机译:高密度肌电信号的空间相关性为肌控提供了强大的电极数目和模式识别偏移功能
机译:基于EMG模式识别的假肢手的低成本实时研究平台
机译:通过转移学习抵消上肢假体控制中的电极移位
机译:用高密度电极阵列减少基于电极偏移引起的基于电极偏移的模式识别的分类精度劣化
机译:基于模式识别的部分手假肢的肌电控制。
机译:通过常见的空间模式提高了用于肌电控制的高密度肌电图电极移位的鲁棒性
机译:通过常见的空间模式提高了用于肌电控制的高密度肌电图电极移位的鲁棒性
机译:可扩展下一代外延的实验室仪器设计研究:通过智能控制的非平衡宽应用外延图案化(NEW-EpIC)。第1卷。通过micromiror图案化深紫外光解吸附进行3D成分/掺杂控制:革命性的原位表征/控制