E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems
Cette étude introduit un nouveau modèle d'apprentissage profond MACB-ResNet qui améliore considérablement la précision de la classification des stimuli de goût virtuel à partir de signaux d'électromyographie de surface (sEMG) faciale pour atteindre 86,32 %, surpassant ainsi les classificateurs traditionnels et les classificateurs d'apprentissage profond standards pour des applications dans la santé numérique et la technologie alimentaire.