sEMG 기반 손 움직임 분류를 위한 기계 학습 방법 평가를 위한 움직임 오류율

모선형 의수의 손재주를 개선하기 위해 학습 알고리즘을 적용하려는 관심이 증가하고 있습니다. 본 연구에서는 공개된 NinaPro 데이터베이스의 두 번째 반복에 대한 대규모 벤치마크 평가를 제시하며, 이 데이터베이스는 6 DOF 힘 활성화 및 40개의 이산 손 움직임에 대한 표면 근전도 데이터를 포함합니다. 평가에는 현대 커널 방법이 포함되며, 세 가지 특징 표현과 세 가지 커널 함수의 성능을 비교합니다. 비선형 커널 함수를 사용할 때 힘 회귀와 움직임 분류 문제 모두 성공적으로 학습될 수 있으며, exp- χ(2) 커널은 모든 경우에서 더 인기 있는 방사 기저 함수 커널보다 우수한 성능을 보여줍니다. 또한, 다중 모달 분류기에서 표면 근전도와 가속도계를 결합하면 각 모달리티를 개별적으로 사용하는 것에 비해 정확성이 상당히 향상됩니다. 창 기반 분류 정확도는 의수 제어 가능성을 추정하기 위해 독립적으로 고려해서는 안 되므로, 분류 실수와 예측 지연 측면에서도 결과를 제공합니다. 이 점에서 우리는 표준 창 기반 정확도에 대한 대안으로 움직임 오류율을 제안합니다. 이 오류율은 예측 지연에 영향을 받지 않으며, 따라서 실수와 지연을 독립적인 성능 특성으로 정량화할 수 있습니다. 이러한 유형의 분석은 가속도계를 포함하는 것이 우수하다는 것을 확인하며, 이는 더 적은 실수와 동시에 예측 지연을 줄입니다.