Optimisation d’un système de tomographie par impédance électrique pour la reconnaissance des mouvements
Notice bibliographique
Résumé
L’optimisation des systèmes de tomographie par impédance électrique (TIE) joue un rôle essentiel dans l’amélioration des interfaces homme-machine. Ce mémoire examine l’influence des configurations d’électrodes sur la précision des mesures d’impédance et sur l’efficacité des modèles d’apprentissage automatique pour la classification des gestes. Deux configurations majeures ont été étudiées : la disposition circulaire et la disposition linéaire, afin d’évaluer leur impact respectif sur la reconnaissance gestuelle. La méthodologie mise en oeuvre repose sur une approche hybride alliant simulations numériques et expérimentation pratique. Les simulations, réalisées à l’aide du logiciel EIDORS et de la méthode des éléments finis, ont permis de modéliser diverses configurations d’électrodes et d’évaluer leur impact sur la qualité des reconstructions d’impédance. Ensuite, des mesures expérimentales ont été effectuées sur un prototype fonctionnel, suivies d’un prétraitement des données afin d’optimiser leur qualité et d’améliorer la robustesse des modèles d’apprentissage automatique. Deux stratégies d’augmentation des données ont été mises en place : un décalage spatial des matrices d’impédance et une extraction de caractéristiques. Les résultats obtenus indiquent que la configuration circulaire, enrichie par l’extraction de caractéristiques, améliore considérablement la précision de la reconnaissance des gestes. Cette amélioration se traduit par une nette augmentation des performances des modèles de classification, notamment Random Forest et XGBoost. En comparaison, bien que la configuration linéaire présente un potentiel intéressant, elle s’est révélée moins performante face aux variations gestuelles. L’analyse des matrices de confusion et des métriques de classification confirme ainsi l’efficacité supérieure de la configuration circulaire dans ce contexte. En conclusion, cette étude souligne l’importance du positionnement des électrodes et des techniques d’apprentissage automatique pour améliorer la précision des systèmes de reconnaissance gestuelle basés sur la TIE. Les perspectives incluent l’exploration de nouvelles configurations d’électrodes et l’intégration de modèles d’apprentissage automatique plus avancés, afin d’accroître l’adaptabilité du système aux variations individuelles des utilisateurs et d’améliorer sa fiabilité pour une utilisation pratique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,129 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».