بهبود طبقه بندی حرکات دست با استفاده از شبکه های عصبی عمیق (Deep Neural Networks) بر مبنای سیگنال های SEMG

حرکات دست با استفاده از سیگنال های الکترومیوگرافی سطحی (SEMG) می تواند از طریق اسکلت های خارجی یا روبات هایی کنترل شود که به دقت فرمان های کنترلی از جانب کنترل کننده ورودی SEMG تغذیه می شوند. با افزایش پیچیدگی حرکات مورد نیاز، نیاز به روش های پیشرفته تری برای طبقه بندی SEMG به منظور بهبود دقت و عملکرد وجود دارد. کنترل بازو یا دست روباتیک با استفاده از سیگنال های الکترومیوگرافی سطحی SEMG، یک مسیر تحقیقاتی مهم در حوزه کنترل انسان-ماشین است. روش های کنترل مبتنی بر تشخیص الگو و مدل های اسکلت-عضلانی از جمله روش های کنترل کنونی هستند. اما این روش ها دارای محدودیت ها هستند و به یکنواختی دست انسان نیز نمی توانند تمام جنبه های کنترل را پوشش دهند.

Keywords:

آنالیز آماری , برآورد پیوسته , زوایه مفصل انشگت , کنترل میوالکتریک , مقایسه روش ها , LSTM , RBF , SPGP , SEMG , , عملکرد LSTM.