Biblioteca122.739 documentos en línea

Artículo

Hybrid Deep-Learning Framework Based on Gaussian Fusion of Multiple Spatiotemporal Networks for Walking Gait Phase RecognitionMarco de aprendizaje profundo híbrido basado en la fusión gaussiana de múltiples redes espacio-temporales para el reconocimiento de fases de la marcha.

Resumen

La detección de fases de la marcha humana es una tecnología significativa para el control de exoesqueletos robóticos y la terapia de rehabilitación por ejercicio. Las Unidades de Medición Inercial (IMUs) con acelerómetro y giroscopio son convenientes y económicas para recopilar datos de la marcha, que a menudo se utilizan para analizar la dinámica de la marcha en aplicaciones diarias personales. Sin embargo, los métodos actuales de aprendizaje profundo que extraen características espaciales y temporales aisladas pueden ignorar fácilmente la correlación que puede existir en el espacio de alta dimensión, lo que limita el efecto de reconocimiento de un solo modelo. En este estudio, se propone un marco de aprendizaje profundo híbrido efectivo basado en la fusión de probabilidades gaussianas de múltiples redes espacio-temporales (GFM-Net) para detectar diferentes fases de la marcha a partir de señales IMU de múltiples fuentes. Además, primero emplea el sistema de adquisición de información de la

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento