Resumen

El reconocimiento de gestos basado en electromiografía de superficie (EMGs) se ha utilizado ampliamente para la interacción humano-computadora. Sin embargo, hay pocos estudios de investigación sobre cómo superar la influencia de factores fisiológicos entre diferentes individuos. En este documento, se propone un método de reconocimiento de gestos entre individuos basado en redes de memoria a corto y largo plazo (LSTM), denominado LSTM entre individuos (CI-LSTM). CI-LSTM tiene una estructura de doble red, que incluye un módulo de reconocimiento de gestos y un módulo de reconocimiento individual. Al diseñar la función de pérdida, el módulo de reconocimiento de información individual asiste al módulo de reconocimiento de gestos para entrenar, lo que tiende a ortogonalizar las características de gestos y las características individuales para minimizar el impacto de las diferencias de información individual en el reconocimiento de gestos. A través de experimentos de reconocimiento de gestos entre individuos, se verifica que en comparación con otros modelos de algoritmos seleccionados, la precisión de reconoc

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Reconocimiento de gestos; Electromiografía de superficie; SEMG; LSTM entre individuos; Memoria a largo plazo y corto plazo; LSTM
• Keywords:Gestures recognition; Surface electromyography; SEMG; Cross-individual LSTM; Long short-term memory; LSTM