EMG Pattern Recognition in the Era of Big Data and Deep Learning
En este documento se brinda una introduccin̤ breve de los factores principales que expanden los recursos de datos electromiogrf̀icos (EMG, por su sigla en inglš) en la era de los datos masivos gracias a los progresos recientes de los conjuntos de datos EMG compartidos. Tambiň se muestra una revisi...
Saved in:
| Other Authors: | , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | EMG Pattern Recognition in the Era of Big Data and Deep Learning |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro14259 | ||
| 005 | 20201223000000.0 | ||
| 008 | 181128s2018 ck # g## #001 0#eng#d | ||
| 020 | |||
| 022 | |a 2504-2289 | ||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a EMG Pattern Recognition in the Era of Big Data and Deep Learning |
| 246 | |a Reconocimiento de patrones de EMG en la era de datos masivos y aprendizaje profundo | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2018 | ||
| 520 | 3 | |a En este documento se brinda una introduccin̤ breve de los factores principales que expanden los recursos de datos electromiogrf̀icos (EMG, por su sigla en inglš) en la era de los datos masivos gracias a los progresos recientes de los conjuntos de datos EMG compartidos. Tambiň se muestra una revisin̤ de la investigacin̤ y desarrollo reciente en mťodos de reconocimiento de patrones EMG que se pueden aplicar a la analt̕ica de datos masivos. | |
| 650 | \ | \ | |a Datos masivos |
| 650 | \ | \ | |a Ciencia de datos |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Data science |
| 650 | \ | \ | |a Ciencia de datos |
| 650 | \ | \ | |a Datos masivos |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Aprendizaje automt̀ico |
| 650 | \ | \ | |a Aprendizaje profundo |
| 650 | \ | \ | |a Electromiograma |
| 650 | \ | \ | |a EMG |
| 650 | \ | \ | |a Reconocimiento de emociones |
| 650 | \ | \ | |a Extraccin̤ de caracters̕ticas |
| 650 | \ | \ | |a Control mioelčtrico |
| 650 | \ | \ | |a Reconocimiento de patrones |
| 650 | \ | \ | |a Sensor vestible |
| 650 | \ | \ | |a Data science |
| 650 | \ | \ | |a Big data |
| 650 | \ | \ | |a Machine learning |
| 650 | \ | \ | |a Deep learning |
| 650 | \ | \ | |a Electromyogram |
| 650 | \ | \ | |a EMG |
| 650 | \ | \ | |a Emotion recognition |
| 650 | \ | \ | |a Feature extraction |
| 650 | \ | \ | |a Myoelectric control |
| 650 | \ | \ | |a Pattern recognition |
| 650 | \ | \ | |a Wearable sensor |
| 700 | \ | \ | |a Phinyomark Angkoon |
| 700 | \ | \ | |a Scheme Erik |
| 700 | \ | \ | |a MDPI |
| 856 | |z EMG Pattern Recognition in the Era of Big Data and Deep Learning |u https://virtualpro.unach.elogim.com/biblioteca/reconocimiento-de-patrones-de-emg-en-la-era-de-datos-masivos-y-aprendizaje-profundo | ||