دانلود مقاله isi یک رویکرد یادگیری عمیق برای تعیین حالت نهایی درک از مسیر حرکت دست پروتز
زبان مقاله: انگلیسی
سال انتشار: 2019
خلاصه
Deep Learning به دلیل اجرای بیشمار و قابلیت های رشد مستمر از جمله ، محبوبیت زیادی پیدا کرده است
صنعت پروتز که دارای روند ارزیابی نسبت به تصمیم عملی عملی است. هدف از این مطالعه توسعه یک
سیستم تصمیم گیری قابل اعتماد برای دست مصنوعی که وظیفه درک یا اشاره به یک شیء را در منطقه تعامل دارد.
برای رسیدن به این هدف ، ما از اندازه گیری های گرفته شده از یک واحد اندازه گیری کم هزینه اینرسی (IMU) و
یک سیستم تصمیم گیری مبتنی بر شبکه عصبی حلقوی پیشنهاد کرد ، که از 9 متغیر اندازه گیری مجزا به عنوان ورودی استفاده می کند ،
شتاب سنج 3 محوره ، ژیروسکوپ 3 محوره و 3 مگنتومتر محور. آزمایش های داده شده در این مقاله با موفقیت آن را مشخص می کند
رویکرد یادگیری عمیق با استفاده از حسگر IMU ، دقت 99.2٪ در تصمیم گیری در مورد عمل نهایی پروتز را ایجاد می کند
قرائت هایی که نشان دهنده مسیر حرکت دست است.
Abstract
Deep Learning has been gaining popularity due to its numerous implementations and continuous growing capabilities, including
the prosthetics industry which has trend of evaluation towards the smart operational decision. The aim of this study is to develop a
reliable decision-making system for prosthetic hands which is responsible to grasp or point an object located in the interaction area.
In order to achieve this goal, we have exploited the measurements taken from a low-cost inertial measurement unit (IMU) and
proposed a convolutional neural network-based decision-making system, which utilizes 9 distinct measurement variables as input,
3 axis accelerometer, 3 axis gyroscope and 3 axis magnetometer. The given experiments on this paper successfully identify that
the deep learning approach produces reliably 99.2% accuracy on deciding the final prosthetic hand action by analyzing IMU sensor
readings that represents motion trajectory of the hand.
برچسب ها:
واحد اندازه گیری اینرسی یادگیری عمیق شبکه عصبی تکاملی دست پروتز هوشمند دانلود مقاله isi یک رویکرد یادگیری عمیق تعیین حالت نهایی درک مسیر حرکت دست پروتز