지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 560 - 564 (5page)
이용수
초록· 키워드
오류제보하기
Electromyography signals provide information related to muscle activity, making accurate classification of these signals essential in various fields such as rehabilitation and prosthetic control. In recent years, many deep neural networks-based models have been researched for electromyography signal classification. Among these, transformer originally developed for natural language processing have demonstrated high performance in time series signal processing, effectively capturing data features for electromyography signal classification. However, deep neural networks-based transformers require high computational resources, resulting in considerable energy consumption, which limits their efficiency. Spiking Neural Networks, also known as third generation neural networks, have emerged as energy efficient alternatives due to their event-driven spiking operations, which offer superior energy efficiency compared to traditional deep neural networks In this study, we applied an event-based transformer model incorporating spiking self-attention and a classification head to analyze electromyography signals. By using spike-form Query, Key, and Value, our model performs sparse computational operations, avoiding multiplication processes. Consequently, the model achieves lower computational energy consumption than conventional deep neural networks-based transformer while maintaining high performance in electromyography signal classification.
목차
Abstract
I. 서론
II. 본론
III. 구현
Ⅳ. 결론 및 향후 연구 방향
참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Classification using a Spiking Neural Network: A Review
IEIE Transactions on Smart Processing & Computing
2023 .02
-
효율적인 Speech Command Classification을 위한 Spiking Neural Network 모델
한국통신학회 학술대회논문집
2025 .02
-
FPGA Implementation of an Artificial Intelligence Signal Recognition System
센서학회지
2022 .01
-
시간 특징 인코딩 기반 심층 스파이킹 신경망
대한전자공학회 학술대회
2024 .06
-
Spike-inspired Deep Neural Network Design Using Binary Weight
제어로봇시스템학회 국제학술대회 논문집
2018 .10
-
Research of Spiking Neural Network based on Analog Circuit
대한전자공학회 학술대회
2019 .06
-
EMG 신호 기반 Artificial Neural Network을 이용한 사용자 인식
전자공학회논문지
2016 .04
-
메모리 효율적인 심층 스파이킹 신경망
Proceedings of KIIT Conference
2022 .06
-
스파이킹 신경망 추론 효율성과 안정성 향상을 위한 불응기를 갖는 IF 뉴런 활용
대한전자공학회 학술대회
2024 .06
-
Modified ShuffleNet-based Radar Signal Classification of Electronic Intelligence System
한국통신학회 학술대회논문집
2020 .02
-
A Novel Spiking Neural Network for ECG signal Classification
센서학회지
2021 .01
-
Attractor Network 기반 Spiking Neural Network Architecture 제안
한국통신학회 학술대회논문집
2021 .02
-
템포럴 코딩과 레이트 코딩을 이용한 Spiking Neural Network의 RF 신호 탐지 및 분류 성능 분석
한국통신학회논문지
2023 .02
-
심층 신경망 기반 감정 인식을 위한 스파이크 특성 추출 기술
한국방송미디어공학회 학술발표대회 논문집
2019 .06
-
주행 차량의 운전자 유형 분류를 위한 심층 신경망에 대한 연구
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
The EMG-based Classification of walking environments using Artificial neural network
대한기계학회 춘추학술대회
2019 .11
-
Deep Recurrent Neural Network for Sleep Stage Classification using one-channel ECG signal
대한전자공학회 학술대회
2019 .06
-
Small-Signal Modeling and Control of three-phase Hybrid Transformer Considering Practical Impedances
ICPE(ISPE)논문집
2023 .05
-
Digital Twin Flight Dynamics model of UAM vehicle using Spiking Neural Network
한국항공우주학회 학술발표회 초록집
2023 .11
-
MNIST 분류 성능을 이용한 스파이킹 신경망 매개변수 특성 분석
대한전자공학회 학술대회
2024 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0