基于改进型BP神经网络的手部动作识别
对手部动作进行模式识别,首先将采集到的肌电信号进行降噪处理,选择时域分析法中的方差算法对采集信号进行特征提取.将特征信号进行归一化处理,实验发现普通BP神经网络分类器出现学习速率慢,泛化能力较差,不同动作识别准确率差别较大等问题.针对以上问题,提出了一种改进型BP神经网络,将神经网络输入数据进行人工升维处理,并对网络学习速率慢的原因进行理论推导,然后引入交叉熵代价函数并对其进行正则化处理,以提高网络的泛化能力以及网络的识别准确率.实验结果表明,改进型BP神经网络的学习速率、泛化能力以及动作分类的准确率均优于普通网络,识别准确率平均为94.34%.
BP神经网络、sEMG信号、交叉熵、手部动作识别、特征提取、正则化、机器学习、模式识别
13
TP391(计算技术、计算机技术)
国家"863"计划重大项目2009AA043803
2018-09-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
848-854