基于改进型BP神经网络的手部动作识别

• 作者: 尤波 李忠杰 黄玲
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（5）
• 页码范围: 848-854
• 页数: 7页
• 分类号: TP391
• 字数: 3992字
• 语种: 中文
• DOI: 10.11992/tis.201703018

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尤波	哈尔滨理工大学自动化学院	144	870	14.0	22.0
2	黄玲	哈尔滨理工大学自动化学院	34	268	9.0	15.0
3	李忠杰	哈尔滨理工大学自动化学院	2	8	2.0	2.0