基于Myo臂章手势识别的机器学习

Question

我正在尝试开发一个模型来识别Myo臂章的新手势。(这是一个臂章，有8个电子传感器，并能识别5个手势)。我想记录传感器的原始数据，作为一个新的姿态，并将它提供给一个模型，以便它能够识别它。

我是机器/深度学习的新手，我正在使用CNTK。我在想什么是最好的方法。

我很难理解如何培养教练。输入数据看起来类似于那，我正在考虑使用这8个值中的20组(它们介于-127和127之间)。因此，一个标签是20组值的输出。

我真的不知道该怎么做，我看过一些教程，其中的图片与标签相连，但这不是一回事。即使在训练完成之后，我如何避免模型识别这个手势--不管我做什么--因为它是它唯一的训练对象。

Answer 1

一种简单的方法是创建161列(20个时间步骤中的每个列8列+指定的标签)。您将重新排列列，如

emg1_t01, emg2_t01, emg3_t01, ...,  emg8_t20, gesture_id

这将为您提供在雪橇中使用不同算法的正确的2D格式，以及CNTK中的前馈神经网络。您可以使用前160列来预测第161列。

一旦完成了这个工作，您就可以对数据进行建模，以便更好地表示其包含的自然时间序列顺序。您将离开一个2D形状，而是创建一个3D数组来表示您的数据。

• 第一个轴显示样本数。
• 第二轴显示时间步数(20)。
• 口渴轴显示传感器的数量(8)

有了这个形状，您就可以使用CNTK中的一维卷积模型(CNN)，该模型穿越时间轴，从一个步骤到另一个步骤学习本地模式。

您可能还需要查看RNN，它通常用于处理时间序列数据。然而，RNN有时很难训练，近期论文建议CNN应该是处理序列数据的自然起点。