شناسایی بر-خط دینامیک عضله-مفصل زانوی فرد فلج در شرایط غیرایزومتریک در تحریکهای طولانی مدت با استفاده از شبکههای عصبی بازگشت
Publish place: 13th Iranian Conference on Electric Engineering
Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,317
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE13_384
تاریخ نمایه سازی: 27 آبان 1386
Abstract:
در این تحقیق یک روش شناسایی مبتنی بر شبکههای عصبی مصنوعی، جهت شناسایی رفتار سیستم عضله- مفصل ارائه شده و بصورت عملی بر روی فرد فلج مورد ارزیابی قرار گرفته است. برای این منظور ما از شبکههای عصبی بازگشتی استفاده کرده و کارائی آن را با شبکه عصبی پس انتشار خظا مقایسه کردهایم. ورودی شبکه را سیگنال تحریک و گذشتههای زاویه مفصل وخروجی را زاویه مفصل زانو در لحظه فعلی تشکیل میدهد. در واقع از شبکه عصبی جهت پیشبینی زاویه مفصل رانو، بازای شدت تحریک اعمال شده به عضله، استفاده شده است. در آزمایشهای انسانی انجام شده، سیگنال تحریک الکتریکی به عضلات چهار سر رانی ١ اعمال شدهاند و زاویه مفصل زانو بصورت بر- خط اخذ شده است. نتایج این تحقیق نشان میدهد که شبکه عصبی، قابلیت پیشبینی دقیقی از زاویه مفصل را در شرایط غیرایزمتریک و حتی تحریکهای طولانی مدت داشته است.. مقایسههای کمی نشان میدهد که شبکه عصبی بازگشتی در مقایسه با شبکه عصبی پرسپترون، دارای دقت پیشبینی بهتری بوده است. همچنین قابلیت این دو شبکه در پیشبینی بر- خط دینامیک عضله- مفصل، هنگام بروز پدیده خستگی عضلانی، مورد مطالعه قرار گرفته است. نتایج حاصل از این بررسی نشان میدهد، هر دو شبکه عصبی قادر بودهاند هنگام بروز پدیده خستگی عضلانی، پیشبینی دقیقی از رفتار سیستم عضله- مفصل، داشته باشند
Keywords:
Authors
حمیدرضا کبروی
آزمایشگاه کنترل سیستمهای عصبی- عضلانی، گروه مهندسی پزشکی، دانشکده ب
عباس عرفانیان امیدوار
آزمایشگاه کنترل سیستمهای عصبی- عضلانی، گروه مهندسی پزشکی، دانشکده ب
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :