این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Artificial Intelligence and Data Mining، جلد ۴، شماره ۲، صفحات ۱۳۵-۱۴۱
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of statistical techniques and artificial neural network to estimate force from sEMG signals
چکیده انگلیسی مقاله This paper presents an application of design of experiments techniques to determine the optimized parameters of artificial neural network (ANN), which are used to estimate force from Electromyogram (sEMG) signals. The accuracy of ANN model is highly dependent on the network parameters settings. There are plenty of algorithms that are used to obtain the optimal ANN setting. However, to the best of our knowledge they did not use regression analysis to model the effect of each parameter as well as present the percent contribution and significance level of the ANN parameters for force estimation. In this paper, sEMG experimental data are collected and the ANN parameters based on an orthogonal array design table are regulated to train the ANN. Taguchi help us to find the optimal parameters settings. Next, analysis of variance (ANOVA) technique is used to obtain significance level as well as contribution percentage of each parameter to optimize ANN’s modeling in human force estimation. The results indicated that design of experiments is a promising solution to estimate the human force from sEMG signals.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله v خوشدل |
center of excellence on soft computing amp;amp; intelligent information processing, mechanical engineering department, ferdowsi university of mashhad, mashhad.
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

علیرضا اکبرزاده | a r
center of excellence on soft computing amp;amp; intelligent information processing, mechanical engineering department, ferdowsi university of mashhad, mashhad.
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://jad.shahroodut.ac.ir/article_593_6db5e7ffbd72ce4aae887b4881c00a09.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات