Abstract:
Les signaux électromyographiques (EMG) sont largement utilisés dans de nombreux domaines. Cependant, en raison de la taille réduite de l’ensemble de données, la classification des signaux EMG en mouvements de la main représente une tâche difficile. Certaines études proposent des architectures complexes pour surmonter cette contrainte, mais ces architectures requièrent d’importantes ressources matérielles et un temps de traitement considérable. L’objectif de cette étude est de proposer une approche basée sur l’apprentissage automatique permettant de classifier avec précision les mouvements de la main tout en respectant des contraintes de temps de traitement et de ressources limitées.
