Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition

Burrello, A.; Morghet, F. B.; Scherer, M.; Benatti, S.; Benini, L.; Macii, E.; Poncino, M.; Pagliari, D. J.

doi:10.23919/DATE54114.2022.9774639

Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition / Burrello, A., Morghet, F.B., Scherer, M., Benatti, S., Benini, L., Macii, E., Poncino, M., Pagliari, D.J.. - (2022), pp. 1443-1448. (2022 Design, Automation and Test in Europe Conference and Exhibition, DATE 2022 virtual 14 March 2022through 23 March 2022) [10.23919/DATE54114.2022.9774639].

Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition

Burrello A.;Morghet F. B.;Scherer M.;Benatti S.;Benini L.;MacIi E.;Poncino M.;Pagliari D. J.

2022

Scheda breve

Scheda completa

Scheda completa (DC)

	Anno di pubblicazione
	
				2022
			
	Lingua/e di pubblicazione
	
				Inglese
			
	Titolo del Convegno
	
				2022 Design, Automation and Test in Europe Conference and Exhibition, DATE 2022
			
	Luogo del Convegno
	
				virtual
			
	Data del Convegno
	
				14 March 2022through 23 March 2022
			
	Codice DOI
	
				https://dx.doi.org/10.23919/DATE54114.2022.9774639
			
	Codice WoS
	
				WOS:000819484300268
			
	Codice Scopus
	
				2-s2.0-85130803837
			
	Serie
	
				PROCEEDINGS - DESIGN, AUTOMATION, AND TEST IN EUROPE CONFERENCE AND EXHIBITION
			
	Titolo del Volume
	
				Proceedings of the 2022 Design, Automation and Test in Europe Conference and Exhibition, DAT
			
	Pagina iniziale
	
				1443
			
	Pagina finale
	
				1448
			
	Codice ISBN del Volume
	
				9783981926361
			
	Nome Editore
	
				Institute of Electrical and Electronics Engineers Inc.
			
	Città Editore
	
				345 E 47TH ST, NEW YORK, NY 10017 USA
			
	Parole chiave
	
				- Transformers; Deep Learning; Embedded Systems; Gesture Recognition; sEMG;
			
	Tutti gli autori
	
						Burrello, A.; Morghet, F. B.; Scherer, M.; Benatti, S.; Benini, L.; Macii, E.; Poncino, M.; Pagliari, D. J.
					
	Tipologia
	
				Atti di CONVEGNO::Relazione in Atti di Convegno
			
	Tipologia sito docente
	
				273
			
	Numero autori
	
				8
			
	Citazione
	
				Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition / Burrello, A., Morghet, F.B., Scherer, M., Benatti, S., Benini, L., Macii, E., Poncino, M., Pagliari, D.J.. - (2022), pp. 1443-1448. (2022 Design, Automation and Test in Europe Conference and Exhibition, DATE 2022 virtual 14 March 2022through 23 March 2022) [10.23919/DATE54114.2022.9774639].
			
	Fulltext
	
				none
			
	Tipologia
	
				info:eu-repo/semantics/conferenceObject
			
	Tipologia
	
				Relazione in Atti di Convegno

File in questo prodotto:

Non ci sono file associati a questo prodotto.

Pubblicazioni consigliate

I metadati presenti in IRIS UNIMORE sono rilasciati con licenza Creative Commons CC0 1.0 Universal, mentre i file delle pubblicazioni sono rilasciati con licenza Attribuzione 4.0 Internazionale (CC BY 4.0), salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris