Crédit photo: David Ward
Il arrive parfois qu’on puisse en faire plus avec moins, et ce, même dans le domaine de l’intelligence artificielle et de l’apprentissage automatique. Mansooreh Montazerin, récemment diplômé de maîtrise sous la direction d' Arash Mohammadi et Farnoosh Naderkhani de l’École de génie et d’informatique Gina-Cody, ont ainsi utilisé une approche d’apprentissage automatique simplifiée pour améliorer la reconnaissance des mouvements de la main servant à la fabrication de prothèses et d’exosquelettes ainsi que dans des applications de réalité mixte.
Avec des collègues de l’Université de New York (NYU) et de l’Université de Calgary, ils ont mis à profit le modèle Vision Transformer qui se fonde sur un mécanisme d’attention pour découvrir des modèles dans les données. L’outil peut servir à analyser les mouvements des muscles dans un bras humain à l’aide d’électrodes cutanées.
S’appuyant sur ce modèle, ils ont créé un cadre d’applications qui s’est avéré précis même si le nombre de paramètres d’apprentissage (65 000) était réduit comparativement aux millions de paramètres des modèles d’apprentissage profond habituels.
Crédit photo: David Ward