مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

982
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نیروی انقباض ایزومتریک در عضله فلج تحریک شده با استفاده از شبکه های عصبی خود سازنده

صفحات

 صفحه شروع 121 | صفحه پایان 141

چکیده

 هدف از این تحقیق, ارایه مدلی بر مبنای شبکه های عصبی از عضله فلج تحریک شده در شرایط انقباض ایزومتریک است. در این مقاله از شبکه های عصبی مبتنی بر توابع پایه شعاعی با ساختار ثابت و با روش یادگیری الگوریتم گرادیان تصادفی جهت شناسایی رفتار عضله استفاده شده است. یک مساله مهم در شبکه های عصبی تعیین تعداد نرون های لایه مخفی است. اگر تعداد نرون های شبکه کم باشد, قابلیت تقریب شبکه کاهش می یابد. از طرف دیگر تعداد نرون های زیاد باعث مسایلی همچون برازش بیش از حد, زمان زیاد محاسبات و پیچیدگی ساختار شبکه خواهد شد. یک راه تعیین تعداد نرون های شبکه استفاده از روش سعی و خطا است. عیب عمده این روش صرف زمان و محاسبات زیاد است, بطوری که شبکه باید چندین بار و هر بار با تعداد نرون های مختلف آموزش داده شود. در این مقاله از یک الگوریتم یادگیری خود سازنده استفاده می شود. این الگوریتم علاوه بر تخمین پارامترهای شبکه عصبی مبتنی بر توابع پایه شعاعی, تعداد نرون های لایه پنهان را نیز تعیین می کند. نتایج این تحقیق نشان می دهد که شبکه عصبی خود سازمانده نسبت به شبکه عصبی پس انتشار خطا و شبکه مبتنی بر توابع پایه شعاعی, با دقت بیشتری قادر به پیش بینی میزان نیروی انقباض عضله فلج است. در اکثر مدل های مرسوم عضله برای کاربردهای تحریک الکتریکی کارکردی, سیگنال تحریک الکتریکی به عنوان ورودی به کار می رود. این مدل ها تحت یکسری شرایط خاص و تعداد محدودی از الگوهای تحریک قادر به پیش بینی نیروی خروجی عضله هستند. ما در این مقاله از سیگنال الکترومایوگرام برانگیخته به عنوان ورودی شبکه عصبی استفاده می کنیم. نتایج نشان می دهد که مدل عصبی با ورودی سیگنال الکترومایوگرام بسیار دقیق تر از مدل عصبی با ورودی سیگنال تحریک, میزان نیروی انقباض عضله را پیش بینی می کند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عرفانیان امیدوار، عباس، و رجبی، پیمان. (1383). پیش بینی نیروی انقباض ایزومتریک در عضله فلج تحریک شده با استفاده از شبکه های عصبی خود سازنده. نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)، 15(3)، 121-141. SID. https://sid.ir/paper/65549/fa

    Vancouver: کپی

    عرفانیان امیدوار عباس، رجبی پیمان. پیش بینی نیروی انقباض ایزومتریک در عضله فلج تحریک شده با استفاده از شبکه های عصبی خود سازنده. نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)[Internet]. 1383؛15(3):121-141. Available from: https://sid.ir/paper/65549/fa

    IEEE: کپی

    عباس عرفانیان امیدوار، و پیمان رجبی، “پیش بینی نیروی انقباض ایزومتریک در عضله فلج تحریک شده با استفاده از شبکه های عصبی خود سازنده،” نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)، vol. 15، no. 3، pp. 121–141، 1383، [Online]. Available: https://sid.ir/paper/65549/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی SID
    strs
    دانشگاه امام حسین
    بنیاد ملی بازیهای رایانه ای
    کلید پژوه
    ایران سرچ
    ایران سرچ
    فایل موجود نیست.
    بازگشت به بالا