arXiv cs.AI / cs.LG 最新· Aran Ramakrishnan·· 2 天前AI 评分43
sEMG 手势识别的跨用户适应：持续学习策略评测
Cross-User Adaptation for sEMG Gesture Recognition via Continual Learning
AI 导读
在 NinaPro DB1 上评测三种持续学习策略后，经验回放在类别增量漂移下取得 83.3% 最终准确率，遗忘仅带来 1.8-5.8% 的准确率下降。EWC 与朴素微调的准确率降幅则达 16.2-28.5%。研究还发现这类循环网络须在打乱、独立分窗的片段上训练，手工时域特征可将单任务准确率提升约 40%，但只有经验回放能在类别增量漂移下保住该增益。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。