1. EMG sinyallerinin derin öğrenme ile hareket sınıflandırması
- Author
-
AKGÜN, GAZİ, YILDIRIM, ALPER, DEMİR, UĞUR, KAPLANOĞLU, ERKAN, and Akgün G., Yıldırım A., Demir U., Kaplanoğlu E.
- Subjects
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE ,İnsan Bilgisayar Etkileşimi ,Neural Networks ,General Computer Science ,Örüntü Tanıma ve Görüntü İşleme ,Mühendislik ,Sinyal İşleme ,ENGINEERING ,COMPUTER SCIENCE, CYBERNETICS ,Yapay Zeka, Bilgisayarda Öğrenme ve Örüntü Tanıma ,Artificial Intelligence, Computer Learning and Pattern Recognition ,BİLGİSAYAR BİLİMİ, YAPAY ZEKA ,Elektrik-Elektronik Mühendisliği ,Elektronik ,Bilgisayarla Görme ve Örüntü Tanıma ,Yapay Zeka ,Artificial Intelligence ,Pattern Recognition and Image Processing ,Sinirsel Ağlar ,Electronic ,Computer Science (miscellaneous) ,Bilgisayar Bilimleri ,Electrical and Electronic Engineering ,Engineering, Computing & Technology (ENG) ,Genel Bilgisayar Bilimi ,Electrical and Electronics Engineering ,Bilgisayar Bilimi Uygulamaları ,ENGINEERING, ELECTRICAL & ELECTRONIC ,Computer Sciences ,Elektrik ve Elektronik Mühendisliği ,Mühendislik, Bilişim ve Teknoloji (ENG) ,Human Computer Interaction ,COMPUTER SCIENCE ,BİLGİSAYAR BİLİMİ, SİBERNETİK ,Computer Science Applications ,Bilgisayar Bilimi (çeşitli) ,Fizik Bilimleri ,Signal Processing ,Physical Sciences ,Engineering and Technology ,Bilgisayar Bilimi ,MÜHENDİSLİK, ELEKTRİK VE ELEKTRONİK ,Mühendislik ve Teknoloji ,Computer Vision and Pattern Recognition - Abstract
Bu çalışmada EMG sinyalleri üzerinde öznitelikler hesaplanmıştır. Bu öznitelikler ile el hareketlerini sınıflandırmak için derin öğrenme algoritmaları kullanılmıştır. Bir zaman serisi olarak toplanan EMG sinyalleri üzerinde zaman alanında hesaplanan öznitelik vektörleri belirli boyutlarda simetrik matrisler olarak kaydedilmiştir. Yeniden oluşturulan ve resim dosyası formatında kaydedilen veri seti ile Evrişimsel Sinir Ağı eğitilmiştir. Bu eğitim sonucunda tüm veriler ile %93, test verileri ile %79 başarı ile hareket sınıflandırması gerçekleştirilmiştir. In this study, the statistical features are calculated with EMG signals. Deep learning algorithms are used to classify hand gestures with these features. the feature vectors calculated in the time domain using the EMG signals recorded as a time series are stored as symmetric matrices with specific sizes. The data set that is rebuilt and saved as image file format is used to train the convolutional neural network. Thereafter the training, motion classification is carried out with a success rate of 93% for all data and 79% for test data
- Published
- 2022