Resumen

En este artículo, los autores proponen un algoritmo eficiente de reconocimiento de gestos de la mano (HGR) y que busca hacer frente a los datos dependientes del tiempo de un sensor de unidad de medición inercial (IMU) apoyando el aprendizaje en tiempo real para las diversas aplicaciones de interfaz hombre-máquina (HMI). Los datos extraídos de los sensores IMU dependen del tiempo, la mayoría de los algoritmos HGR existentes no contemplan estas características provocando la disminución del rendimiento de reconocimiento. La técnica de deformación temporal dinámica (DTW) requiere un algoritmo de aprendizaje muy complejo que dificulta el aprendizaje en tiempo real. Para resolver este problema, el algoritmo HGR propuesto se basa en una red neuronal de energía de columna restringida (RCE) que cuenta con un esquema de aprendizaje sencillo en el que las neuronas se activan cuando es necesario. Los autores concluyen que el algoritmo propuesto presenta un rendimiento de reconocimiento superior para los datos de los sensores que dependen del tiempo.

• Materias:Red neuronal Aprendizaje automático Algoritmos de aprendizaje Algoritmo de reconocimiento
• Subjects:Neural network Machine learning Learning algorithms Recognition algorithm
• Palabras claves:Deformación dinámica del tiempo (DTW); Reconocimiento de gestos de la mano (HGR); Unidad de medición inercial (IMU); Aprendizaje automático; Aprendizaje en tiempo real; Red neuronal de energía coulombiana restringida (RCE)
• Keywords:Dynamic time warping (DTW); Hand gesture recognition (HGR); Inertial measurement unit (IMU); Machine learning; Real-time learning; Restricted coulomb energy (RCE) neural network