بررسی جامع کنترل فازی و الگوی فعالیت عضلات انگشت مصنوعی و عملکردهای حرکتی ترسیم و نوشتن حروف با استفاده از شبکه های عصبی مصنوعی

این پزوهش به شناسایی حرکات بازو با استفاده از پردازش سیگنال الکترومایوگرام سطحی (sEMG) پرداخته و از الگوریتم ژنتیک چندهدفه (NSAGA-II) برای انتخاب ویژگی ها و ماشین بردار پششتیبان (SVM) برای دسته بندی استفاده کرده است. نتایج نشان می دهد که این روش با دقت ۹۸.۴۳% و خطای کم، حرکات مختلف بازو شناسایی می کند و نسبت به روش های قبلی سرعت همگرایی بیشتر و کارایی بهتری دارد. همجنین در مقاله دیگری، فعالیت عضلات شست دست در حین نوشتن و ترسیم اشکال با استفاده از شبکه های عصبی مصنوعی (ANNs) پیش بینی شده است. مدل های مختلفی مانند MLP ، RBF ، RNN ، NARX ، ANIFS ارزیابی شدند و نتایج نشان داد که شبکه NARX بالاترین دقت را در پیش بینی فعالیت عضلات شست دارد.

Keywords:

الگوی فعالیت عضلات , شبکه های عصبی مصنوعی , بازتوانی حرکتی , عملکرد حرکتی نوشتن , الکترومایوگرام سطحی.