Eigen RadarYapay Zekâ
Analiz

Kas sinyali ön eğitiminin kazancı, yeni kişiler sınandığında azalıyor

William Raftery ve Dario Farina, ön eğitimli üç kas sinyali modelini el hareketi veri kümelerinde sınadı. Eğitimle sınama aynı ölçüm oturumundan geldiğinde görülen kazanç, bütünüyle farklı kişilerin sınanmasıyla büyük ölçüde azaldı. Ön baskı, ön eğitimli ağları aynı yapının sıfırdan eğitilmiş sürümleriyle karşılaştırıyor. Katılımcısı az olan veri kümelerinde daha basit yöntemler de temel modellerle yarışabiliyor.

Yapay Zekâ··Öğle
Laboratuvarda el hareketi yapan anonim bir katılımcının ön kolundaki yüzey elektrotları ve kas sinyali kayıt cihazı.

Yeni kişiler sınamayı değiştiriyor

William Raftery ve Dario Farina, kas sinyali modellerini değerlendiren çalışmalarını 5 Kasım’da yayımladı. Araştırma, kas etkinliğini deri üzerinden ölçen yüzey elektromiyografisine odaklanıyor. TinyMyo, PhysioWave ve NeuroRVQ modelleri, el hareketlerini sınıflandıran görevlerde sınanıyor. Bir düzende eğitim ve sınama, aynı kişinin ölçüm oturumundan örnekler kullanıyor. Diğer düzende sınama katılımcıları eğitim grubunun bütünüyle dışında tutuluyor. Araştırmacılar, ön eğitimin kişiler arasında aktarımını görmek için bu iki düzeni karşılaştırıyor.[1]

Ön eğitim ile ağ yapısı ayrılıyor

Çalışmada sırasıyla 10, 612 ve 36 katılımcılı üç el hareketi veri kümesi kullanılıyor. Ön eğitimli ağ, aynı yapının rastgele ağırlıklarla başlatılıp sıfırdan eğitilen sürümüyle karşılaştırılıyor. Başka bir düzende ön eğitimli gövde sabit tutuluyor; yalnızca çıktı katmanı öğreniyor. Deneyler, veri işleme seçimlerini de ele alıyor ve farklı rastgele başlangıçlarla yineleniyor. Karşılaştırmalar arasında destek vektör makineleri, rastgele ormanlar ve basit bir evrişimli sinir ağı da bulunuyor.[1]

Kazanç, kişiler arasında küçülüyor

Ön eğitim, aynı oturumdan gelen örneklerle yapılan sınamada genellikle yarar sağlıyor. Katılımcısı daha az olan iki kümede yeni kişiler sınandığında kazanç küçük kalıyor veya kayboluyor. Klasik yöntemler de temel modellere yetişebiliyor ya da onları geçebiliyor. Daha büyük veri kümesinde de yarar azalıyor, ancak sürüyor. Yazarlar, ayrı kişilerin sınanmasını ve sıfırdan eğitim karşılaştırmasını öneriyor. Bulgular bu kümelerdeki el hareketi sınıflandırmasını kapsıyor; deneyler hastalar veya protez kullanan kişiler için klinik yarar göstermiyor.[1]

Kaynakça

  1. Haber kaynağıarXivKas sinyali modellerinde ön eğitimin kazancı yeni kişilerde küçülüyor↩1↩2↩3