Campo DC | Valor | Idioma |
dc.contributor.advisor | Conceição, André Gustavo Scolari | - |
dc.contributor.author | Fonseca, Michelle Gusmão Burgos da | - |
dc.creator | Fonseca, Michelle Gusmão Burgos da | - |
dc.date.accessioned | 2019-04-23T20:29:41Z | - |
dc.date.available | 2019-04-23T20:29:41Z | - |
dc.date.issued | 2019-04-23 | - |
dc.date.submitted | 2019-02-18 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/29351 | - |
dc.description.abstract | Este trabalho visa o reconhecimento e classificação dos gestos da mão a partir de
sinais eletromiográficos (EMG) obtidos através de uma braçadeira Myo®, que possui
oito eletrodos de classe médica. Cada eletrodo fornece uma informação referente à
contração muscular realizada na execução do movimento. Esses sinais serão
processados para a obtenção de uma “assinatura” padrão para possibilitar o
treinamento da rede neural artificial (RNA). Essas assinaturas serão extraídas para
cada tipo de movimento e, em seguida, um método de mapeamento adequado é
aplicado para classificar os sinais EMG. É realizada uma comparação entre os
algoritmos Resilent Backpropagation (Rprop) e Levenberg-Marquardt (LM) em todos
os conjuntos de dados treinados. Foram escolhidos cinco movimentos para
classificação e utilizados conjuntos de dados com até sete características. Dentre os
144 testes executados, o melhor resultado obtido foi de 88,2% com o Rprop e de
88,4% com o LM. Porém, de forma geral, o algoritmo Rprop apresentou melhor
desempenho na maioria dos testes, quando comparado ao LM, sendo o tempo de
treinamento a diferença mais significativa entre ambos. Espera-se com esse trabalho
expandir as pesquisas na área de Tecnologia Assistiva (TA) para conquistar formas
alternativas de inclusão social e melhorar a autonomia de pessoas com deficiência ou
mobilidade reduzida dos membros superiores. | pt_BR |
dc.description.abstract | This project aims the recognition and classification of hand gestures using
electromyographic signals (EMG) obtained through a Myo® armband, which has eight
medical electrodes. Each electrode provides signal information regarding muscle
contraction performed in the execution of the movement. These signals will be
processed to obtain a standard "signature" to enable artificial neural network (ANN)
training. These signatures will be extracted for each type of movement, and then a
suitable mapping method is applied to classify the EMG signals. A comparison
between the Resilent Backpropagation (Rprop) and Levenberg-Marquardt (LM)
algorithms is performed on all trained datasets. Five motions were chosen for
classification and data sets with up to seven characteristics were used. Among the 144
tests performed, the best result was 88.2% to Rprop and 88.4% to LM. However, in
general, the Rprop algorithm presented better performance in most of the tests when
compared to LM, the training time being the most significant difference between both.
This work is expected to expand research in the area of Assistive Technology (AT) to
achieve alternative forms of social inclusion and improve the autonomy of people with
disabilities or reduced mobility of the upper limbs. | pt_BR |
dc.description.sponsorship | Fapesb | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Sinais eletromiográficos | pt_BR |
dc.subject | Reconhecimento e classificação de gestos | pt_BR |
dc.title | Redes neurais artificiais aplicadas à classificação de gestos da mão através de sinais eletromiográficos | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor-co | Simas Filho, Eduardo Furtado de | - |
dc.contributor.referees | Silva, Fabrício Gerônimo Simões | - |
dc.contributor.referees | Fernandes Junior, Antônio Carlos Lopes | - |
dc.publisher.departament | Escola Politécnica, Departamento de Engenharia Elétrica | pt_BR |
dc.publisher.program | Engenharia Elétrica | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.subject.cnpq | Engenharia Elétrica | pt_BR |
Aparece nas coleções: | Dissertação (PPGEE)
|