Autor der Publikation

Subject Transfer Framework Based on Source Selection and Semi-Supervised Style Transfer Mapping for Semg Pattern Recognition.

, , und . ICASSP, Seite 1349-1353. IEEE, (2020)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Keine Personen gefunden für den Autorennamen Kanoga, Suguru
Eine Person hinzufügen mit dem Namen Kanoga, Suguru
 

Weitere Publikationen von Autoren mit dem selben Namen

Semi-Supervised Learning for Auditory Event-Related Potential-Based Brain-Computer Interface., , , und . IEEE Access, (2021)Multi-scale dictionary learning for ocular artifact reduction from single-channel electroencephalograms., , und . Neurocomputing, (2019)A Comparative Study of Features and Classifiers in Single-Channel EEG-Based Motor Imagery BCI., , und . GlobalSIP, Seite 474-478. IEEE, (2018)Subject Transfer Framework Based on Source Selection and Semi-Supervised Style Transfer Mapping for Semg Pattern Recognition., , und . ICASSP, Seite 1349-1353. IEEE, (2020)Nonlinear Dynamical System Identification Under External Disturbances by Maximum a Posteriori (MAP) Estimation for Robotics., , , und . AMC, Seite 1-5. IEEE, (2024)A No-Reference Metric of Cerebral Blood Flow Extraction for fNIRS Data., , , und . SMC, Seite 83-89. IEEE, (2018)Exploring optimal myoelectric feature indices for forearm control strategy using robust principal component analysis., , und . EMBC, Seite 1796-1799. IEEE, (2017)Semi-supervised style transfer mapping-based framework for sEMG-based pattern recognition with 1- or 2-DoF forearm motions., , und . Biomed. Signal Process. Control., (2021)Time-domain Mixup Source Data Augmentation of sEMGs for Motion Recognition towards Efficient Style Transfer Mapping., , , und . EMBC, Seite 35-38. IEEE, (2021)Semi-simulation Experiments for Quantifying the Performance of SSVEP-based BCI after Reducing Artifacts from Trapezius Muscles., , , , und . EMBC, Seite 4824-4827. IEEE, (2018)