Deep learning-based classification using Cumulants and Bispectrum of EMG signals | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática | |
| dc.contributor.author | Orosco, Eugenio Conrado | |
| dc.contributor.author | Gaia Amorós, Jeremías | |
| dc.contributor.author | Gimenez Romero, Javier Alejandro | |
| dc.contributor.author | Soria, Carlos Miguel | |
| dc.date.issued | 2019-12 | |
| dc.description.abstract | Surface electromyographic signals (EMG) historically have been used to classify tasks in basis of a feature extraction scheme and low complexity classifiers. Deep networks, as Multilayer Perceptron and Convolutional Neural Network (MLP and CNN, respectively), avoid the traditional, complex and heuristic (handcrafted) process of feature extraction. Today, it is possible to face the computational cost that these automatic techniques require due to the technology advancement. This allowed deep learning techniques to be quickly generalized to countless applications. This paper proposes to use the third order cumulants and their 2D Fourier transform (Bispectrum) to directly feed CNN and MLP deep learning networks. The classifier is not user-dependent (same classifier for all users) and obtains better results than the classical scheme according to several metrics. | es |
| dc.description.fil | Fil: Orosco, Eugenio Conrado. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina | |
| dc.description.fil | Fil: Gaia Amorós, Jeremías. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina | |
| dc.description.fil | Fil: Gimenez Romero, Javier Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina | |
| dc.description.fil | Fil: Soria, Carlos Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Orosco, Eugenio Conrado; Gaia Amorós, Jeremías; Gimenez Romero, Javier Alejandro; Soria, Carlos Miguel; Deep learning-based classification using Cumulants and Bispectrum of EMG signals; Institute of Electrical and Electronics Engineers; IEEE Latin America Transactions; 17; 12; 12-2019; 1946-1953 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1548-0992 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/124817 | |
| dc.journal.number | 12 | es |
| dc.journal.pagination | 1946-1953 | es |
| dc.journal.pais | Estados Unidos | es |
| dc.journal.title | IEEE Latin America Transactions | es |
| dc.journal.volume | 17 | es |
| dc.language.iso | spa | es |
| dc.publisher | Institute of Electrical and Electronics Engineers | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/document/9011538 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1109/TLA.2019.9011538 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | BISPECTRUM | es |
| dc.subject | CNN | es |
| dc.subject | CUMULANTS | es |
| dc.subject | EMG | es |
| dc.subject | MLP | es |
| dc.subject.classification | Sistemas de Automatización y Control | es |
| dc.subject.classification | Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información | es |
| dc.subject.classification | INGENIERÍAS Y TECNOLOGÍAS | es |
| dc.title | Deep learning-based classification using Cumulants and Bispectrum of EMG signals | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.986d760e-f10c-462e-9e5b-55b809b00983_A.pdf
- Tamaño:
- 1.01 MB
- Formato:
- Adobe Portable Document Format