मशीन सीखने की प्रणाली में मांसपेशियों की गतिविधि के संकेत को पकड़ना

लगभग छह महीने पहले, मैं तंत्रिका इंटरफेस के लिए एक खुली रूपरेखा बनाने के विचार के साथ आया था।


इस वीडियो में, एक ईएमजी मांसपेशी संकेत पर कब्जा एक प्रकोष्ठ पर आठ-चैनल ईएमजी सेंसर का उपयोग करके होता है। इस प्रकार, हम त्वचा के माध्यम से मोटर न्यूरॉन्स की सक्रियता के एक अनएन्क्रिप्टेड, मांसपेशियों में वृद्धि के पैटर्न को हटाते हैं।

ब्लूटूथ के माध्यम से सेंसर से कच्चा सिग्नल एंड्रॉइड / एंड्रॉइड थिंग्स ऐप पर जाता है ।

सिस्टम को प्रशिक्षित करने के लिए, हम एक विशिष्ट हाथ के इशारे के लिए आंदोलन के एक वर्ग को असाइन करेंगे। उदाहरण के लिए, यदि हमें "स्टॉप" स्थिति की आवश्यकता है, साथ ही दो दिशाओं में दो मोटर्स के रोटेशन के साथ, हम कुल पांच इशारों को रिकॉर्ड करेंगे। हम सब कुछ फाइलों में इकट्ठा करते हैं और इसे तंत्रिका नेटवर्क पर अध्ययन करने के लिए भेजते हैं। नेटवर्क के इनपुट पर, हमारे पास तंत्रिका गतिविधि है, आउटपुट पर, आंदोलन की एक मान्यता प्राप्त वर्ग।

करस नेटवर्क वास्तुकला उदाहरण:

model = Sequential() # 8     8   model.add(Dense(36, activation='relu', input_dim=64)) model.add(Dense(20, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(16, activation='relu')) # 5   model.add(Dense(5, activation='softmax')) sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) 

https://www.kaggle.com/kyr7plus/naive-classifier

एक सर्वर का उपयोग अनुप्रयोग और तंत्रिका नेटवर्क को संवाद करने के लिए किया जाता है। क्लाइंट-सर्वर समाधान एप्लिकेशन कोड को बदलने और डीबगिंग के दौरान निरंतर पुनर्स्थापना से बचने के बिना, TensorFlow का उपयोग करके स्क्रिप्ट मशीन सीखना आसान बनाता है।

आप TFLite या TF सर्विंग के उपयोग से परिणामी क्लासीफायर का उपयोग कर सकते हैं

सिस्टम कोड यहाँ है

भविष्य की योजनाओं में:

• USB के माध्यम से काम कर रहे ओपन सोर्स मल्टीचैनल EMG सेंसर का निर्माण
• मशीन विश्वसनीयता प्रबंधन विश्वसनीयता में सुधार करने के लिए प्रयोग

मेरे दोस्त ने इस लेख में तंत्रिका इंटरफेस के साथ हमारे एंड्रॉइड रोमांच के बारे में बात की है।