-
公开(公告)号：CN114004257B
公开(公告)日：2024-11-22
申请号：CN202111289093.0
申请日：2021-11-02
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 基于轻量级卷积神经网络的肌电手势识别方法，提取传统方法中广泛使用的时域特征，与原始肌电数据进行了结合，多角度地表征了肌电信号，可以在一定程度上提高手势识别的准确率；通过标签平滑、Leaky Relu激活函数的替换等一系列操作，提高了网络的泛化能力、拟合能力，可以进一步提高手势识别的精度；以轻量级网络为基础，使用深度可分离卷积代替传统的卷积，在不降低识别精度的同时，可以减少参数量、计算量，缩短训练时间，更加适合移动设备等应用场景；借鉴跨阶段局部网络的思想，采用局部过渡层，设计简化的融合策略，改进了骨干网络模型，可以实现进一步的轻量化。
-
公开(公告)号：CN114004257A
公开(公告)日：2022-02-01
申请号：CN202111289093.0
申请日：2021-11-02
Applicant: 南京邮电大学
Abstract: 基于轻量级卷积神经网络的肌电手势识别方法，提取传统方法中广泛使用的时域特征，与原始肌电数据进行了结合，多角度地表征了肌电信号，可以在一定程度上提高手势识别的准确率；通过标签平滑、Leaky Relu激活函数的替换等一系列操作，提高了网络的泛化能力、拟合能力，可以进一步提高手势识别的精度；以轻量级网络为基础，使用深度可分离卷积代替传统的卷积，在不降低识别精度的同时，可以减少参数量、计算量，缩短训练时间，更加适合移动设备等应用场景；借鉴跨阶段局部网络的思想，采用局部过渡层，设计简化的融合策略，改进了骨干网络模型，可以实现进一步的轻量化。
-
Patent Agency Ranking
公开(公告)号：CN113269306A
公开(公告)日：2021-08-17
申请号：CN202110553129.5
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多分类器卷积神经网络的联合训练方法，包括步骤：分割训练样本；训练单分类器卷积神经网络；训练多分类器卷积神经网络；换下一批训练样本；单独训练线性分类器。本发明提出的参数更新方式，利用置信值预估出每个样本为此层易分类样本的概率，并作用于每层的误差上，通过加上这个误差，即一定梯度的正方向，调和了多走的距离。提出的新的参数更新方式通过使用来表示此分类样本为前面层的易分类样本的概率，量化了需要加上的误差的必要性。提出的新的训练方式，先训练单分类器卷积神经网络，再训练每层带线性分类器的多分类器卷积神经网络，先给予每层卷积层参数一定的训练，有益于每层的线性分类器更加专注于本层卷积层所提取的特征的识别。
-
公开(公告)号：CN111898526A
公开(公告)日：2020-11-06
申请号：CN202010744969.5
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 基于多流卷积神经网络的肌电手势识别方法，采用的技术方案为基于多流CNN网络架构的肌电手势识别方法，使用双层CNN网络提取肌电信号特征，其次将两层获取到的特征进行融合。针对肌电信号时序性，将处理的融合数据利用RNN网络进行再次训练最后分类。该模型架构可以获取更多的原始肌电信号特征进行训练来提高识别率，另一方面又减少了训练的时长。
-
公开(公告)号：CN113988135B
公开(公告)日：2025-01-10
申请号：CN202111273722.0
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06F18/25 , G06F3/01 , G06N3/044 , G06N3/0464 , G06N3/08 , A61B5/397
Abstract: 一种基于双分支多流网络的肌电信号手势识别方法，将每一个采集电极获得的肌电信号数据，经过数据预处理后，直接作为网络流的一个独立输入，并构建了合适的模型架构与这一输入方式相匹配。相较于传统的先合并数据后分割方式，该方式在数据预处理时更加简便，同时能够减少因分割操作带来的时间开销，提高模型的运行效率；构建的网络模型分别从整体与局部的角度，分析肌电信号与对应手势之间的内在关联性，同时利用投票机制结合两个分支网络的输出来确定最终识别结果，使两个分支网络形成互补效益，弥补了各自的固有缺陷，进而提高手势识别的准确度。
-
公开(公告)号：CN111898526B
公开(公告)日：2022-07-22
申请号：CN202010744969.5
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 基于多流卷积神经网络的肌电手势识别方法，采用的技术方案为基于多流CNN网络架构的肌电手势识别方法，使用双层CNN网络提取肌电信号特征，其次将两层获取到的特征进行融合。针对肌电信号时序性，将处理的融合数据利用RNN网络进行再次训练最后分类。该模型架构可以获取更多的原始肌电信号特征进行训练来提高识别率，另一方面又减少了训练的时长。
-
公开(公告)号：CN113988135A
公开(公告)日：2022-01-28
申请号：CN202111273722.0
申请日：2021-10-29
Applicant: 南京邮电大学
Abstract: 一种基于双分支多流网络的肌电信号手势识别方法，将每一个采集电极获得的肌电信号数据，经过数据预处理后，直接作为网络流的一个独立输入，并构建了合适的模型架构与这一输入方式相匹配。相较于传统的先合并数据后分割方式，该方式在数据预处理时更加简便，同时能够减少因分割操作带来的时间开销，提高模型的运行效率；构建的网络模型分别从整体与局部的角度，分析肌电信号与对应手势之间的内在关联性，同时利用投票机制结合两个分支网络的输出来确定最终识别结果，使两个分支网络形成互补效益，弥补了各自的固有缺陷，进而提高手势识别的准确度。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
