English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Rehabilitasyon cihazlarını destekleyen robotik sistemler ve el fonksiyonlarını karşılayan robotik protezlerin de iyileşme arzusu, iskelet cihazlarının geliştirilmesinde büyük rol oynamıştır. Yüzey elektromiyografi (sEMG) sinyallerinin kullanıldığı bu tür cihazlarda protez kontrolünün gerçekleşebilmesi için sinyallerin özelliklerinin bilinmesi ve bu özellikler sayesinde el hareketlerinin sınıflandırılması mümkün hale gelir. Bu çalışmasında Myo TM Armbandı (Akıllı Kol Bant) tarafından elde edilmiş olan, yüzey elektromiyografik sinyallerinin benzer hareketleri ayırt etmede sınıflandırılması amaçlanmaktadır. Bu çalışmada kullandığım 225 katılımcıdan alınan ve benzer el hareketi yapılmış olan açık kaynak EMG veri setini, öncelikle ön işleme adımlarından geçirildikten sonra, özellik çıkarımı adımları gerçekleştirilmiştir. Çıkarılan on özellik sınıflandırıcıya girdi olarak verilmiştir. Sınıflandırıcı olarak sırasıyla Karar ağaçları (Decision Trees), Destek vektör makineleri (SVM), Toplu Öğrenme (Ensemble learning), yakın K- en komşu algoritmaları (k-NN) denenmiş olup; bu algoritmalar içinde doğruluk başarısı diğer algoritmalara oranla %87.6 olarak en yüksek k- en yakın komşu algoritması ile elde edilmiştir.

Birbirine Benzer El Hareketlerinin EMG Sinyalleri Kullanılarak Sınıflandırılması