<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Система розпізнавання сили захоплення за допомогою ЕМГ сигналів та штучних нейронних мереж

dc.contributor.authorПастушенко, А. О.uk
dc.contributor.authorКоваль, Л. Г.uk
dc.contributor.authorPastushenko, A. O.en
dc.contributor.authorKoval, L. H.en
dc.titleСистема розпізнавання сили захоплення за допомогою ЕМГ сигналів та штучних нейронних мережuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationПастушенко А. О., Коваль Л. Г. Система розпізнавання сили захоплення за допомогою ЕМГ сигналів та штучних нейронних мереж // Збірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/24948.uk
dc.relation.ispartofЗбірник тез доповідей ІV Міжнародної науково-технічної конференції «Перспективи розвитку машинобудування та транспорту–2025», м. Вінниця, 3–5 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/prmt/pmrt2025/paper/view/24948
dc.identifier.udc621.8:621.9
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/57472
dc.description.abstractУ роботі розглянуто систему прогнозування сили захоплення на основі поверхневих ЕМГ-сигналів з використанням глибинної нейронної мережі. Запропонований підхід забезпечує високу точність класифікації сили стискання та стабільне керування протезною рукою в режимі реального часу.uk
dc.description.abstractThe paper considers a grip force prediction system based on surface EMG signals using a deep neural network. The proposed approach provides high accuracy in grip force classification and stable control of a prosthetic hand in real time.en
dc.subjectелектроміографіяuk
dc.subjectсила захопленняuk
dc.subjectглибинна нейронна мережаuk
dc.subjectавтокодерuk
dc.subjectкласифікаціяuk
dc.subjectпротез рукиuk
dc.subjectсигнали ЕМГuk
dc.subjectм’язова активністьuk
dc.subjectсигмоїдна функціяuk
dc.subjectзворотний зв’язокuk
dc.subjectelectromyographyen
dc.subjectgrip forceen
dc.subjectdeep neural networken
dc.subjectautoencoderen
dc.subjectclassificationen
dc.subjectprosthetic handen
dc.subjectEMG signalsen
dc.subjectmuscle activityen
dc.subjectsigmoid functionen
dc.subjectfeedbacken
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesShahid, T., Iqbal, K., Rehman, M., Riaz, N. (2023). Estimation and Early Prediction of Grip Force Based on sEMG Signals and Deep Recurrent Neural Networks. arXiv preprint arXiv:2302.09555. https://arxiv.org/abs/2302.09555.en
dc.relation.referencesFontana, F., Elsig, L., Schmidhauser, J., et al. (2024). Simultaneous Control of Human Hand Joint Positions and Grip Force via HD-EMG and Deep Learning. arXiv preprint arXiv:2410.23986. https://arxiv.org/abs/2410.23986.en
dc.relation.referencesYao, Y., Yu, L., Liu, C., et al. (2022). Continuous Grip Force Estimation from Surface Electromyography Using Generalized Regression Neural Network. Biomedical Signal Processing and Control, 76, 103697. https://pubmed.ncbi.nlm.nih.gov/36120747/.en
dc.relation.referencesTung, V. P., Trinh, T. T., Do, T. T., & Phung, B. T. (2021). Hand Posture and Force Estimation Using Surface Electromyography and an Artificial Neural Network. Journal of Healthcare Engineering, 2021, 5593547. https://pubmed.ncbi.nlm.nih.gov/34006135/.en
dc.date.accessioned2026-11-16T15:33:07Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
24948.pdf
Розмір:
428,89 KB
Формат:
Adobe Portable Document Format