使用 Myo Armband 进行手势识别的机器学习

Question

我正在尝试开发一个模型来识别带有 Myo Armband 的新手势。 （这是一个拥有 8 个电子传感器，可以识别 5 个手势的臂章）。我想为新手势记录传感器的原始数据并将其提供给模型，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。我想知道最好的方法是什么。

我很难理解如何创建培训师。输入数据看起来像that 我正在考虑使用这 8 个值中的 20 组（它们在 -127 和 127 之间）。所以一个标签是20组值的输出。

我真的不知道该怎么做，我看过一些教程，其中图像与其标签相关联，但想法不同。即使在训练完成后，我怎么能避免模型识别我所做的这一手势，因为它是唯一经过训练的手势。

Answer 1

让您开始的一种简单方法是创建 161 列（20 个时间步长 + 指定标签中的每个时间步长 8 列）。您将重新排列列，如

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

这将为您提供正确的 2D 格式，以使用 sklearn 中的不同算法以及 CNTK 中的前馈神经网络。您将使用前 160 列来预测第 161 列。

完成该工作后，您可以对数据进行建模，以更好地表示其包含的自然时间序列顺序。您将不再使用 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
• 第二个轴显示时间步数 (20)
• 口渴轴显示传感器的数量 (8)

有了这个形状，您就可以在 CNTK 中使用一维卷积模型 (CNN)，它可以遍历时间轴，从一个步骤到另一个步骤学习局部模式。

您可能还想研究经常用于处理时间序列数据的 RNN。然而，RNN 有时很难训练，recent paper 建议 CNN 应该是处理序列数据的自然起点。