| dc.contributor.author | Коваль, Л. Г. | uk |
| dc.contributor.author | Пастушенко, А. О. | uk |
| dc.contributor.author | Pastushenko, A. O. | en |
| dc.contributor.author | Koval, L. G. | en |
| dc.date.accessioned | 2025-08-13T09:36:27Z | |
| dc.date.available | 2025-08-13T09:36:27Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Коваль Л. Г., Пастушенко А. О. Керування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії та згорткової нейронної мережі // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25479. | uk |
| dc.identifier.isbn | 978-617-8163-57-0 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47884 | |
| dc.description.abstract | У роботі розглянуто систему для збору ЕМГ-сигналів, що передаються через послідовний інтерфейс до комп’ютера, де вони обробляються за допомогою нейронної мережі для розпізнавання жестів, що управляють роботизованим маніпулятором. Дані з платформи NinaPro використовуються для навчання моделі, а також застосовуються методи нормалізації для покращення якості обробки сигналів. | uk |
| dc.description.abstract | The paper considers a system for collecting EMG signals transmitted via a serial interface to a computer, where
they are processed using a neural network for recognizing gestures that control a robotic manipulator. Data from the
NinaPro platform is used to train the model, and normalization methods are also applied to improve the quality of
signal processing. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25479 | |
| dc.subject | ЕМГ | en |
| dc.subject | браслет | uk |
| dc.subject | нейромережі | uk |
| dc.subject | маніпулятор | uk |
| dc.subject | жести | uk |
| dc.subject | bracelet | en |
| dc.subject | neural networks | en |
| dc.subject | manipulator | en |
| dc.subject | gestures | en |
| dc.title | Керування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії та згорткової нейронної мережі | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 621.8:621.9 | |
| dc.relation.references | Guo, B., Ma, Y., Yang, J., Wang, Z., & Zhang, X. (2020). Lw-CNN-Based Myoelectric Signal Recognition and Real-Time Control of Robotic Arm for Upper-Limb Rehabilitation. Computational Intelligence and Neuroscience, 2020, 8846021. https://doi.org/10.1155/2020/8846021. | en |
| dc.relation.references | Wan, Y., Han, Z., Zhong, J., & Chen, G. (2018). Pattern recognition and bionic manipulator driving by surface electromyography signals using convolutional neural network. Advances in Mechanical Engineering, 10(10), 111. https://doi.org/10.1177/1729881418802138. | en |
| dc.relation.references | Bao, T., Zaidi, S. A. R., Xie, S., Yang, P., & Zhang, Z. (2019). A CNN-LSTM Hybrid Framework for Wrist Kinematics Estimation Using Surface Electromyography. arXiv preprint arXiv:1912.00799. https://arxiv.org/abs/1912.00799. | en |
| dc.relation.references | Real-time Bionic Arm Control Via CNN-based EMG Recognition. (n.d.). Hackster.io. https://www.hackster.io/emgarm/real-time-bionic-arm-control-via-cnn-based-emg-recognition-b013d3. | en |
| dc.relation.references | Meng, Q., Yue, Y., Li, S., & Yu, H. (2022). Electromyogram-based motion compensation control for the upper limb rehabilitation robot in active training. Mechanical Sciences, 13(2), 675685. https://doi.org/10.5194/ms-13-675-2022. | en |
