Classificação de sinais eletromiográficos utilizando redes neurais artificiais, análise discriminante linear e floresta aleatória
| Nível educacional (dc.audience.educationLevel) | Graduação | pt_BR |
| Orientador(a) (dc.contributor.advisor) | Souza, João Olegário de Oliveira de | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/4888175103572971 | pt_BR |
| Autor(a) (dc.contributor.author) | Boelter, Josué da Silva | |
| Curso (dc.curso) | Engenharia Eletrônica | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2022-06-20T13:08:12Z | |
| dc.date.available (dc.date.available) | 2022-06-20T13:08:12Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2021-06-23 | |
| Abstract (dc.description.abstract) | There is a gap in the upper limb prosthesis market in relation to lower limb prostheses, this is due to the sum of a smaller market, after all, only approximately 20% of amputations performed are of upper limbs, added to a greater difficulty in developing these prostheses (ZIEGLER-GRAHAM, 2008), and to make it all worse, there is still a high acquisition cost in buying one. Modern advances in artificial intelligence and access to data processing, along with the rising of startups and scientists interested in using the best that data processing can offer, ensured a great technological advance in prosthesis models and a considerable reduction in costs. In this work, based on the public database Ninapro (Non-Invasive Adaptive Hand Prosthetics), three different artificial intelligence techniques were used, seeking to discover which one is the most promising in the classification of myoelectric signals. The algorithms used are Artificial Neural Networks, Linear Discriminant Analysis and Random Forest, with all its development, parameter adjustment, validation and testing being presented during the work. Based on the tests carried out, Random Forest was identified as the most promising of the three approaches, reaching an accuracy that ranged from 92% in sets of 5 movements to 84% in sets with all 52 movements. | en |
| Resumo (dc.description.resumo) | Existe hoje no mercado, uma defasagem de próteses para membros superiores com relação as próteses de membro inferior. Isso se deve a soma de um mercado menor, afinal apenas aproximadamente 20% das amputações feitas são de membros superiores, somado a uma maior dificuldade de desenvolvimento dessas próteses (ZIEGLER-GRAHAM, 2008) e, ainda, um elevado custo para aquisição de uma. Avanços modernos nas inteligências artificiais e acesso a processamento de dados, somados com o surgimento de startups e cientistas interessados em utilizar o melhor que o processamento de dados pode oferecer, garantiu um grande salto tecnológico nos modelos de próteses e uma redução considerável de custos. Nesse trabalho, tomando por base o banco de dados público Ninapro (Non-Invasive Adaptive Hand Prosthetics), utilizou-se três distintas técnicas de inteligência artificial, buscando descobrir qual delas é a mais promissora na classificação dos sinais mioelétricos. Os algoritmos utilizados são Redes Neurais Artificiais, Análise Discriminante Linear e Floresta Aleatória, sendo apresentado, durante o trabalho, todo o seu desenvolvimento, ajuste de parâmetros, validação e testes. Com base nos testes feitos, identificou-se a Floresta Aleatória como a mais promissora das três abordagens, alcançando uma acurácia que variou de 92% em conjuntos de 5 movimentos a 84% em conjuntos com todos os 52 movimentos trabalhados. | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/11691 | |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| Assunto (dc.subject) | Prótese mioelétrica | pt_BR |
| Assunto (dc.subject) | Eletromiografia de superfície | pt_BR |
| Assunto (dc.subject) | Inteligência artificial | pt_BR |
| Assunto (dc.subject) | Redes neurais artificiais | pt_BR |
| Assunto (dc.subject) | Floresta aleatória | pt_BR |
| Assunto (dc.subject) | Myoelectric prosthesis | en |
| Assunto (dc.subject) | Surface electromyography | en |
| Assunto (dc.subject) | Artificial Intelligence | en |
| Assunto (dc.subject) | Artificial Neural Network | en |
| Assunto (dc.subject) | Random forest | en |
| Título (dc.title) | Classificação de sinais eletromiográficos utilizando redes neurais artificiais, análise discriminante linear e floresta aleatória | pt_BR |
| Tipo de arquivo (dc.type) | TCC | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Josué da Silva Boelter.pdf
- Tamanho:
- 4.83 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- classificação_sinais
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: