Robuste Individualisierung smarter Sensorik durch transferlernenbasierte Merkmalsauswahl (RoSe)

Smart sensors, soft sensors, biosignals, biomechanics, transfer learning, batch size 1, individualization, insole sensor, sEMG, hybrid algorithms

Hochschule Bielefeld
Fachbereich Ingenieurwissenschaften und Mathematik
Interaktion 1
33619 Bielefeld

Projektbeteiligung
Universität Bielefeld (https://www.cit-ec.de/en/tcs)

Laufzeit
01.02.2021 – 30.11.2024

Projektförderung

"KI/ML" - GRK KI "Data-NInJa" (https://dataninja.nrw/)                                      

Kurzbeschreibung

Die zunehmende Verfügbarkeit verschiedener Sensoren, die in Kombination mit einer KI-gestützten Auswertung als smarte Sensoren bezeichnet werden, erlaubt neue Funktionen in innovativen Unterstützungssystemen wie Wearables in der Gesundheits- und Medizintechnik. Hierbei sind zwei typische Herausforderungen anzutreffen. Zum einen sind verschiedene Sensorausstattungen und -anordnungen möglich, von denen diejenige ausgewählt werden muss, die eine robuste und echtzeitfähige Auswertung garantiert. Zum anderen sind die beobachteten Signale von Benutzer zu Benutzer verschieden, so dass Strategien für eine effiziente Individualisierung benötigt werden. Ziel des Projekts ist der Entwurf von Methoden, die die Optimierung von HW- und KI-Komponenten smarter Sensoren unter dem Aspekt einer robusten und effizienten Individualisierbarkeit erlauben. Diese Herausforderungen werden anhand neuer Methoden der Merkmalsselektion für das Transferlernen adressiert. Die entwickelten KI-Verfahren werden anhand einer biometrischen Einlegesohle (Druck- /Inertialsensoren) und einer myoelektrischen Orthesensteuerung auf ihre Praxistauglichkeit getestet.

 Weitere Informationen