mm131杨晨晨喷水视频,少妇A级毛片免费视频 ,911亚洲精选青草衣衣gif

內(nèi)容簡介

　　作為人體最靈活的肢體，手不但可以完成各種生活技能，也可以實現(xiàn)自然、直觀的交互。在已知手勢交互技術中，基于表面肌電信號的手勢交互具有高精度、可穿戴、抗遮擋、支持上肢截肢患者使用等優(yōu)點，在醫(yī)療康復和人機交互領域有著不可替代的作用。在以深度學習為代表的新一代人工智能技術蓬勃發(fā)展的背景下，本書依托國家和江蘇省自然科學基金項目前期與階段性研究成果，對多種面向肌電手勢交互系統(tǒng)的深度學習技術進行了深入研究。

作者簡介

　　衛(wèi)文韜，現(xiàn)就職于南京理工大學設計藝術與傳媒學院。2018年于浙江大學計算機科學與技術專業(yè)獲工學博士學位，主要研究方向包括神經(jīng)接感知計算、人機交互、模式識別等，主持國家自然科學基金青年基金項目1項、江蘇省自然科學基金青年基金項目1項。

圖書目錄

1 緒論
1.1 新一代人機界面與手勢感知技術概述
1.2 基于表面肌電的人機界面（muscle-compter interface,MCI）
1.3 現(xiàn)有MCI系統(tǒng)面臨的挑戰(zhàn)
1.4 本研究工作
2 相關研究工作綜述
2.1 表面肌電信號的產(chǎn)生機理
2.2 面向MCI系統(tǒng)的機器學習方法
2.3 小結(jié)
3 面向肌電手勢識別的多流融合深度學習方法
3.1 概述
3.2 問題描述
3.3 面向肌電手勢識別的多流融合深度學習方法框架
3.4 性能評估與實驗分析
3.5 小結(jié)
4 面向肌電手勢識別的多視圖深度學習方法
4.1 概述
4.2 問題描述
4.3 面向肌電手勢識別的多視圖深度學習方法框架
4.4 性能評估與實驗分析
4.5 小結(jié)
5 會話間肌電手勢識別中的多流AdaBN領域自適應方法研究
5.1 概述
5.2 問題描述
5.3 多流AdaBN領域自適應方法介紹
5.4 性能評估與實驗分析
5.5 小結(jié)
6 總結(jié)與展望
參考文獻