ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک
به دانلودفا خوش آمديد. لطفا براي استفاده از تمامي امکانات سايت ثبت نام کنيد
ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک

ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک

نويسنده: فاطمه | تاريخ ارسال: چهار شنبه 9 مهر 1393

| موضوع: ترجمه مقاله / تحقیقات دانشگاهی،، | بازديد: 887 بار | تعداد نظر:


عنوان انگلیسی مقاله: Classification of EMG signals using wavelet neural network
عنوان فارسی مقاله: دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک.
دسته: برق و الکترونیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 30
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
یک وسیله دقیق و محاسباتی کارآمد برای دسته بندی الگوی سیگنال های الکترومیوگرافی، موضوع بحث بسیاری از پژوهشگران در سال های اخیر بوده است. تجزیه تحلیل های کمیتی سیگنال های EMG، منبع اطلاعاتی مهمی برای تشخیص اختلالات عصبی-عضلانی می باشد. با پیگیری توسعه های اخیر تجهیزات EMG کامپیوتری، روش های مختلفی در حوزه زمان و حوزه فرکانس برای تحلیل های کمیتی، انجام گرفته است. در این بررسی، دسته بندی کننده های مبنی بر شبکه های عصبی مصنوعی پس-انتشار خطای پیشخور (FEBANN) و شبکه های عصبی موجک (WNN) در دقت در دسته بندی سیگنال های EMG با هم مقایسه شده اند. در این روش ها، ما از یک مدل خودبازگشت (اتورگرسیو) (AR) سیگنال های EMG، به عنوان ورودی سیستم دسته بندی، استفاده کردیم. مقدار کل 1200 MUP که از 7 مورد طبیعی، 7 مورد دارای بیماری میوپاتی، و 13 مورد دارای بیماری های با ریشه عصبی بدست آمدند، آنالیز شده اند. میزان موفقیت برای روش WNN 90.7% و برای روش FEBANN 88% بوده است. مقایسه ی بین دسته بندی کننده های توسعه یافته، نخست بر مبنای تعدادی اندازه گیری های عددی مربوط به دسته بندی می باشد. دسته بندی کننده مبنی بر WNN، بر همتای FEBANN خود برتری دارد. دسته بندی WNN ارایه شده، می تواند تصمیم گیری های کارشناسانه را پشتیبانی کرده و به تشخیص افتراقی EMG کمک کند.
کلیدواژه: الکترومیوگرافی، پتانسیل واحد موتور، روش اتورگرسیو، شبکه عصبی موجک
1.مقدمه:
بیش از 100 اختلال عصبی و ماهیچه ای وجود دارد که بر روی نخاع، عصب، و ماهیچه اثر می گذارد. تشخیص بموقع این بیماری ها توسط معاینه های درمانگاهی و تست های آزمایشگاهی، برای مدیریت کردن آنها و نیز پیشبینی آنها با استفاده از تشخیص پیش از تولد و مشاوره های ژنتیکی، حیاتی می باشد. این اطلاعات همچنین در |زوهش موجود می باشد، که می تواند منجر به فهم طبیعت این بیماری ها، و سرانجام بیماری آنها گردد. مورفولوژی (ریخت شناسی) واحد موتور، را می توان با ثبت فعالیت های الکتریکی معروف به الکترومیوگرافی (EMG) بررسی کرد. در EMG درمانگاهی، پتانسیل های واحد موتور (MUP) با استفاده از یک الکترود سوزنی در اقباض ارادی کم، ثبت می شود. 

جهت دانلود محصول اینجا کلیک نمایید




دوستاني که مايل هستند مقاله خود را به فروش بگذارند با مديريت در تماس باشند.
اعضاي محترم سايت اگر مايل باشند ميتوانند مقاله هاي خود را با ديگر اعضا و کاربران به اشتراک بگذارند. در صورت تمايل مقاله خود را براي ما ارسال کنيد تا با نام خودتان در سايت منتشر شود.
از عزيزاني که مايل به نويسندگي و فعاليت در اين سايت ميباشند دعوت به عمل مي آيد. لطفا براي اين منظور با مديريت تماس بگيريد.
از کاربران و اعضاي محترم سايت خواشمندم ما را حمايت کنند تا بتوانيم قدرتمندتر از هميشه به فعاليت خود ادامه دهيم.
  • بازديد امروز : 9
  • بارديد ديروز : 27
  • گوگل امروز : 1
  • گوگل ديروز : 3
  • بازديد کلي : 46686
  • تعداد اعضا : 10
  • افراد آنلاين : 1
  • اعضاي آنلاين : 0
  • امارگیر حرفه ای سایت

    
    وبلاگ نویسی | روانشناسی
    آموزش زبان | مسکن قزوین
    زبان انگلیسی | کوله پشتی

    امارگیر حرفه ای وبلاگ و سایت