РАСПОЗНАВАНИЕ ЖЕСТОВ РУК НА ОСНОВЕ RNN С ИСПОЛЬЗОВАНИЕМ SEMG (2026)
Выпуск:
№ 1 (154) (2026)
Использование методов глубокого обучения для обработки сигналов sEMG широко распространилось в последнее десятилетие, что дало многообещающие результаты, касающиеся повышения производительности в обоих направлениях: значений показателей оценки и скорости прохождения этапов обучения и тестирования. Одним из наиболее распространенных методов в этой области является RNN, поскольку их структура соответствует природе сигнала sEMG как сигнала временного ряда. В этой статье мы разработали две модели с использованием RNN; одна была однослойной, а другая - многослойной. Мы использовали исходные значения сигналов в качестве характеристик, а не извлекали какие-либо другие функции, такие как RMS, с целью снижения сложности обработки.