In the recent years, XGBoost has proved to be a powerful, quick machinelearning algorithm, and many researcher used it to solve different types of machine learning problems. In this work, we invested it to recognize hand gesture using sEMG signals, we used with it averaging data samples as an augmentation method to overcome the lack of big dataset size, which sEMG datasets suffer from due to difficulties of gathering samples. The presented augmentation method proved to be faster than many other methods, moreover it with XGBoost gave state-of-the-art results on the used dataset.

В последние годы XGBoost зарекомендовал себя как мощный и быстрый алгоритм машинного обучения, и многие исследователи использовали его для решения различных типов задач глубокого обучения. В этой работе мы использовали его для распознавания жестов рук с использованием сигналов sEMG, мы использовали с ним усреднение выборок данных в качестве метода увеличения, чтобы преодолеть недостаток большого размера набора данных, от которого страдают наборы данных sEMG из-за трудностей сбора выборок. Представленный метод увеличения оказался быстрее многих других методов, более того, он с XGBoost дал самые современные результаты по используемому набору данных.

• 1
• 24SAEC_2022_Часть_2
• Step and repeat document 1 3

"Системный анализ в проектировании и управлении", международная научно-практическая конференция (26; 2022; Санкт-Петербург). Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. Ч. 2 / Международная академия наук высшей школы, Санкт-Петербургское отделение [и др.]; [программный комитет конференции: Ю. С. Васильев (председатель) [и др.]; [ответственные редакторы Л. В. Черненькая, М. В. Болсуновская]. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023. — 1 файл (6,56 Мб). — Загл. с титул. экрана. — Электронная версия печатной публикации 2023 г. — Ч. текста на англ. яз. — Доступ по паролю из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/i23-109.pdf>. — DOI 10.18720/SPBPU/2/i23-109. — Текст: электронный