Análise da performance de regressores mioelétricos treinados com transferência de aprendizado

• Processo: 21/09696-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 30 de setembro de 2022
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Arturo Forner Cordero
• Beneficiário: Pedro Pereira Moraes
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional Transferência (aprendizagem) Controladores Transferência de aprendizado de máquina
• Palavra(s)-Chave do Pesquisador: Eletromiograma | Emg | machine learning | Regressor | Transfer Learning | Biomecatrônica

Resumo

Próteses e exoesqueletos capazes de extrair intenções de movimento do eletromiograma (EMG) têm o potencial de prevenir ou mitigar dificuldades motoras. A extração da intenção de movimento seria realizada por um controlador mioelétrico, que consiste em um algoritmo de aprendizado de máquina que resolveria problemas de classificação ou regressão. No entanto, ainda existem obstáculos para o uso prático dessa tecnologia. Um dos desafios para o desenvolvimento de regressores mioelétricos é a insuficiência de dados online disponíveis para regressão. Embora existam vários bancos de dados EMG online que podem ser usados para melhorar o desempenho dos controladores mioelétricos, a maioria deles está focada na classificação. Por isso, este projeto visa avaliar se por meio da aprendizagem de transferência (TL) é possível fazer uso de dados voltados à classificação para aumentar a acurácia dos regressores. (AU)