E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems
Questo studio introduce un nuovo modello di deep learning MACB-ResNet che migliora significativamente l'accuratezza della classificazione degli stimoli del gusto virtuale dai segnali di elettromiografia superficiale facciale (sEMG) all'86,32%, superando i classificatori tradizionali e standard di deep learning per applicazioni nella salute digitale e nella tecnologia alimentare.