E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems
Este estudio introduce un nuevo modelo de aprendizaje profundo MACB-ResNet que mejora significativamente la precisión de la clasificación de estímulos de sabor virtuales a partir de señales de electromiografía de superficie facial (sEMG) al 86,32%, superando a los clasificadores tradicionales y de aprendizaje profundo estándar para aplicaciones en salud digital y tecnología alimentaria.