高精度低参数
针对稀疏表面肌电信号识别提出的Transformer网络，通过时序深度卷积替代线性变换，以更少的卷积参数和计算成本实现更高的识别精度。
Zefeng, Wang · 姚俊峰 · Xu, Meiyan · Jiang, Min · Su, Jinsong
Pattern Recognition 2024
自注意力机制使网络能够并行处理序列，克服了RNN无法并行化的瓶颈。
Transformer的自注意力机制能捕获sEMG信号内部的长程特征，这对肌电识别很重要。
通过用提出的时序深度卷积替代线性变换，减少了卷积参数和计算量，同时保持性能。
在四个数据集上均取得了超越现有方法的分类精度，达到了最先进的性能。