Resumen

El consumo de energía por fatiga de los gestos independientes puede obtenerse calculando el espectro de potencia de las señales de electromiografía de superficie (sEMG). Los estudios existentes se centran en la fatiga de los gestos independientes, mientras que los estudios sobre los gestos integrados son escasos. Sin embargo, el modo de funcionamiento real de los gestos suele estar integrado por múltiples gestos independientes, por lo que el grado de fatiga de los gestos integrados puede predecirse mediante el entrenamiento de la red neuronal de gestos independientes. En este trabajo, tres gestos naturales, como navegar por la información, jugar y teclear, se dividen en nueve gestos independientes, y el modelo de predicción se establece y entrena calculando el consumo de energía de los gestos independientes. Las redes neuronales artificiales (RNA), incluidas la red neuronal de retropropagación (BP), la red neuronal recurrente (RNN) y la memoria a corto plazo (LSTM), se utilizan para predecir la fatiga de los gestos. La máquina de vectores de apoyo (SVM) se utiliza para ayudar a la verificación. El error cuadrático medio (MSE), el error cuadrático medio (RMSE) y el error absoluto medio (MAE) se utilizan para evaluar el modelo de predicción óptimo. Además, se entrenan los diferentes conjuntos de datos de la señal sEMG procesada y sus coeficientes wavelet descompuestos, respectivamente, y se comparan los cambios de las funciones de error de los mismos. Los resultados experimentales muestran que el modelo LSTM es más adecuado para la predicción de la fatiga gestual. Las señales sEMG procesadas son adecuadas para utilizar como conjunto de entrenamiento el grado de fatiga del gesto de una mano. Es mejor utilizar los coeficientes de descomposición wavelet como conjuntos de datos para predecir las señales sEMG de alta dimensión de los gestos con dos manos. Los resultados experimentales pueden aplicarse para predecir el grado de fatiga de gestos interactivos complejos entre humanos y máquinas, ayudar a evitar gestos poco razonables y mejorar la experiencia interactiva del usuario.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:gesto independiente, grado de fatiga, error cuadrático medio, estudio de investigación, gesto integrado, resultados experimentales, red neuronal, gesto de la mano, red neuronal recurrente, máquina de vectores de apoyo
• Keywords:independent gesture, fatigue degree, means square error, research study, integrated gesture, experimental results, neural network, handed gesture, recurrent neural network, support vector machine