深度学习在动力下肢假肢运动意图识别中的应用
发布时间：2022-08-11 16:48
动力下肢假肢运动意图研究是智能假肢控制的重要组成部分,传统意图识别算法多数使用传统机器学习分类算法,而且需要手工选取数据特征,势必会带有主观性。将自学习特征的深度学习技术应用到下肢假肢运动意图识别中是可行的。选取两类典型的深度学习网络:卷积神经网络与长短时记忆神经网络,实验证明了深度学习模型应用到运动意图识别的可行性,与传统的机器学习算法进行对比试验,验证了深度学习算法的性能优势。
【文章页数】：5 页
【部分图文】：
典型的LSTM构建块
算法流程图
4类分类器识别结果的混淆矩阵。（a）基于RF识别结果的混淆矩阵；（b）基于HMM识别结果的混淆矩阵；（c）基于CNN识别结果的混淆矩阵；（d）基于LSTM识别结果的混淆矩阵
【参考文献】：
期刊论文
[1]基于改进模板匹配的智能下肢假肢运动意图实时识别[J]. 盛敏,刘双庆,王婕,苏本跃. 控制与决策. 2020(09)
[2]惯性动捕数据驱动下的智能下肢假肢运动意图识别方法[J]. 苏本跃,王婕,刘双庆,盛敏,向馗. 自动化学报. 2020(07)
[3]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang. IEEE/CAA Journal of Automatica Sinica. 2017(04)
[4]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
本文编号：3675024
【文章页数】：5 页
【部分图文】：
典型的LSTM构建块
算法流程图
4类分类器识别结果的混淆矩阵。（a）基于RF识别结果的混淆矩阵；（b）基于HMM识别结果的混淆矩阵；（c）基于CNN识别结果的混淆矩阵；（d）基于LSTM识别结果的混淆矩阵
【参考文献】：
期刊论文
[1]基于改进模板匹配的智能下肢假肢运动意图实时识别[J]. 盛敏,刘双庆,王婕,苏本跃. 控制与决策. 2020(09)
[2]惯性动捕数据驱动下的智能下肢假肢运动意图识别方法[J]. 苏本跃,王婕,刘双庆,盛敏,向馗. 自动化学报. 2020(07)
[3]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang. IEEE/CAA Journal of Automatica Sinica. 2017(04)
[4]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
本文编号：3675024
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3675024.html
