Tremor bệnh lý thường nằm trong dải tần số 6–14 Hz, trong khi chuyển động tự nguyện có tần số thấp hơn (<6 Hz).

• Mạng HMFP-DBRNN gồm 4 lớp RNN hai chiều, mỗi lớp có 400 ô GRU, phân tích đoạn tín hiệu dài 4 giây.
• - GRU sử dụng hai cổng: cổng cập nhật và cổng đặt lại, giúp mạng học được các phụ thuộc dài hạn trong dữ liệu.
• - Mạng được huấn luyện bằng dữ liệu tổng hợp: tremor thực tế (resting tremor) kết hợp với chuyển động tự nguyện nhân tạo (sinusoidal) có biên độ và pha ngẫu nhiên.
• - Cơ chế huấn luyện đặc biệt: đầu vào là đoạn tín hiệu tổng hợp, đầu ra là chuyển động tự nguyện dịch trước một bước, giúp mạng học cách dự đoán myopic.
• - Hai bộ dữ liệu được sử dụng: Motus Dataset (tremor thực và action tremor) và Smartphone Dataset (tremor thực từ cảm biến điện thoại).
• - Đánh giá định lượng sử dụng MSE, NRMSE và PRF cho thấy HMFP-DBRNN có độ chính xác cao và khả năng tổng quát tốt.
• - Đánh giá định tính cho thấy mạng loại bỏ tremor hiệu quả hơn các phương pháp hiện tại và có khả năng dự đoán chuyển động tự nguyện một bước trước.
• - Ứng dụng tiềm năng trong các hệ thống robot phục hồi chức năng và hỗ trợ bệnh nhân có tremor.