داوود قوی اندام - دانشجوی رشته ی مهندسی رباتیک دانشگاه پیام نور مشهد
ساجده لؤلؤ - دانشجوی رشته ی مهندسی پزشکی دانشگاه پیام نور مشهد
فریبا نصیری - دانشجوی رشته ی مهندسی برق دانشگاه پیام نور مشهد

در این مقاله روشهای مختلف طبقه بندی حرکات دست به وسیله ی سنسور های الکترومایوگرافی (EMG) را که در چندین مقاله به شکل های متنوعی صورت گرفته اند را با هم مقایسه کرده ایم. Akmalla و همکارانش یک دستکش داده طراحی کرده اند که با استفاده از سنسور های EMG و سنسورهای خمش که درنخستین بند از انگشتان قرار گرفته اند وهمچنین با استفاده از روش ماشین بردار پشتیبان بجای روش های معمول برای طبقه بندی حرکات دست استفاده نموده اند که نتایج رضایت بخشی را به همراه داشته است. دکتر MANE و همکارانش سنسور های EMG تک کاناله را پیشنهاد کرده اند که این کار را موجب کاهش داده های اموزش شبکه عصبی می دانند. Hiroshi kawata و همکارانش در ژاپن برای کاهش محاسبات و داده ها و حجم اطلاعات در شبکه های عصبی از روش خاصی به نام حساسیت زدای انتخابی شبکه های عصبی استفاده کرده است که قادر می باشد حجم داده ها و اطلاعات را کاهش دهد.

شبکه های عصبی مصنوعی (ANN), ماشین بردار پشتیبان (SVM) , حساسیت زدای انتخابی شبکه عصبی (SDNN)