فهرست نشریات علمی دسترسی آزاد ایران

حرکات دست و انگشتان در زندگی روزمره نقش مهمی دارد. ممکن است در اثر بیماری و سوانح به این اندام آسیب وارد شود. در توان‌بخشی انگشتان دست و درمان آسیب­های وارده به آن‌ها، طبقه‌بندی حرکات انگشتان دست و شناسایی وضعیت آن‌ها بسیار حائز اهمیت است. یکی از روش­ها برای ایجاد نگاشت بین سیگنال الکترومایوگرام سطحی و کلاس­های حرکتی انگشتان دست، به کارگیری دانش یادگیری عمیق است. این علم در سال‌های اخیر باعث پیش‌رفت­های چشم­گیری در بسیاری از زمینه­ها شده است. در این مطالعه به ­طبقه­بندی و شناسایی 8 حرکت انگشتان دست بر اساس شبکه­های عصبی عمیق کانولوشنال پرداخته شده است. داده­های مورد نیاز این پژوهش که سیگنال­های الکترومایوگرام سطحی بوده مربوط به پایگاه داده‌ی نیناپرو است. نتایج نشان می­دهد که دقت طبقه‌بندی در برخی از حرکات به 9/98 درصد رسیده است. برخی از تنظیم کننده­ها و بهینه کننده­ها می­توانند بر دقت طبقه­بندی بسیار موثر باشند. با انتخاب صحیح تنظیم کننده­ها از قبیل لایه­ی حذف تصادفی و L2 دقت طبقه‌بندی قابل افزایش است.