Estudio comparativo de técnicas de machine learning para el control de movimiento de una prótesis de extremidad superior

Lasso Arciniegas, Laura Daniela Y Viveros Melo, Brayan Andres (2019) Estudio comparativo de técnicas de machine learning para el control de movimiento de una prótesis de extremidad superior. Project Report. Universidad de Nariño, Pasto.

Text 93244.pdf Download (48MB)

Resumen

Las señales electromiográficas (EMG) son impulsos eléctricos producidas por los músculos durante los procesos de contracción y relajación. Esta característica fisiológica permite analizar el estado fisiológico de los músculos y además permite crear interfaces de control para comunicación entre usuario y maquina. Entre los diferentes tipos de aplicaciones de interfaces han tomado auge aquellas dedicadas a individuos con discapacidades motrices que dificulten la realización de actividades cotidianas. El desarrollo de tecnologías de control basadas en señales EMG requiere de sistemas que interpreten las ´ordenes del usuario. Particularmente, para el control de prótesis es necesario llevar a cabo un proceso de interpretación semántica de las señales EMG para ejecutar un determinado movimiento, este proceso puede realizarse mediante técnicas supervisadas de machine learning. No obstante, pese a que se han desarrollado diversos estudios relacionados y en vista de que no todos los métodos garantizan resultados ´óptimos, aun sigue siendo un problema abierto el desarrollo de un criterio universal para comparar técnicas y determinar cuales son las mas adecuadas para las tareas de control de prótesis de extremidad superior. En este trabajo se realiza un estudio comparativo de técnicas supervisadas de machine learning y caracterización de señales EMG para el reconocimiento de movimientos básicos de la mano, aplicado al control de una prótesis de extremidad superior, con el fin de determinar las técnicas con mayor precisión para tareas de bio-rehabilitación.

Tipo de Elemento:	Monografía (Project Report)
Información Adicional:	Asesor: PhD. Diego Hernan Peluffo Ordoñez
Palabras Clave:	Estudio comparativo, machine learning, prótesis
Asunto:	T Tecnología > T Technology (General) T Tecnología > TA Engineering (General). Civil engineering (General) T Tecnología > TK Electrical engineering. Electronics Nuclear engineering
Division:	Facultad de Ingeniería > Programa de Ingeniería Electrónica > Trabajos de grado
Depósito de Usuario:	Monitor Biblioteca 4 Quijano Guerrero
Fecha Deposito:	18 Oct 2024 13:52
Ultima Modificación:	18 Oct 2024 13:52
URI:	http://sired.udenar.edu.co/id/eprint/15513

Ver Elemento