机构名称：
¥ 1.0
摘要：运动意图检测对于应用于辅助机器人的人机接口的实施至关重要。在本文中，已经探索了用于创建上肢运动预测模型的多个机器学习技术，该模型通常取决于三个因素：从用户收集的信号（例如运动学或生理学），提取的特征和所选算法。我们探讨了从各种信号中提取的不同特征的使用，用于训练多种算法以预测肘部弯曲角轨迹。根据轨迹的平均速度和峰值振幅评估了预测的准确性，该轨迹足以完全定义IT。结果表明，仅使用生理信号时的预测准确性很低，但是，当包括运动信号时，它会大大改善。这表明运动学信号为预测肘部轨迹提供了可靠的信息来源。使用10种算法训练了不同的模型。正则化算法在所有情况下都表现良好，而当选择最重要的功能时，神经网络的性能更好。可以咨询本研究中提供的广泛分析，以帮助开发准确的上肢运动意图检测模型。
使用多... -Dr -ntu
主要关键词
相关文件推荐
