E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems
Deze studie introduceert een nieuw MACB-ResNet deep learning-model dat de nauwkeurigheid van het classificeren van virtuele smaakstimuli vanuit gezichtsoppervlakte-elektromyografie (sEMG)-signalen aanzienlijk verbetert naar 86,32%, waarmee het traditionele en standaard deep learning-classifiers overtreft voor toepassingen in digitale gezondheidszorg en voedseltechnologie.