BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 本研究将无源领域适应引入脉冲神经网络，以缓解准确性降低的问题。
- 通过膜电位作为记忆列表，提高了系统的准确性。
- 新型脉冲波Jaccard注意力增强了对表面肌电图特征的表示能力。
- SpGesture在不同前臂姿势中实现了最高的准确率（89.26%）。
- 在CPU上的实际部署展示了低于100毫秒的系统延迟，满足实时要求。
- SpGesture在实际场景中增强表面肌电图的应用潜力。
➡️
