基于sEMG的物理信息门控递归网络用于建模上肢多关节运动动态
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了物理信息神经网络在实时应用中依赖固定输入长度和替代模型的限制。引入了一种新颖的物理信息门控递归网络（PiGRN），该模型利用表面肌电图数据预测多关节扭矩，并通过实验验证显示其在10个不熟悉运动中的预测准确性。该成果表明PiGRN在实时外骨骼和康复应用中的潜在价值。
本研究将无源领域适应引入脉冲神经网络，通过膜电位作为记忆列表，提高了系统的准确性。通过新型的脉冲波Jaccard注意力提高了对表面肌电图特征的表示能力。实验结果显示SpGesture在不同前臂姿势中实现了最高的准确率（89.26%），并在CPU上实际部署时展示了低延迟。这些结果显示了SpGesture在实际场景中增强表面肌电图的应用潜力。
