SUNU PLANI

GİRİŞ (Yürüme ve Basamakları) YAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

SUNU PLANI

GİRİŞ (Yürüme ve Basamakları)YAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

Yürüme ve Basamakları

Rahat yürüme hızı 80m/dAdım uzunluğu 1.6 m

YÜRÜME NEDİR?

Yürüme ve Basamakları

Eğim arttıkça: Topuk vuruşu fazında diz fleksiyonunda eğimle doğru orantılı bir artış gözlenir. Ayağı yukarı çekip yüksek bir seviyeye koyabilmek için kalça fleksiyonu artar. Adım uzunluğu artar, gövde duruşu ve pelvik hizalarında ilerlemeyi kolaylaştırmak adına değişimler olur.

Eğim azaldıkça:Basma sonu fazlarında diz fleksiuyonunda artış gözlenir.

Negatif eğim arttıkça adım uzunluğunda kısalma, gövdenin ve pelvisingeriye yatışı gözlenir.

Farklı hızlarda:Bacaklar yer ile daha az temas halindedir.Hız arttıkça basma evresi kısalırkensalınım artar.

EĞİM VE YÜRÜME HIZININ ETKİLERİ

SUNU PLANI

GİRİŞYAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

Yapay Sinir Ağları (YSAlar)

Sinir ağı eğitim şeması

Üç katmanlı YSA yapısı

SUNU PLANI

GİRİŞYAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

Eğime göre diz açısı değişimi

Veri Hazırlama ve Öğrenme Aşaması

FARKLI EĞİMLERDE DİZ AÇISI DEĞİŞİM VERİLERİ

VERİ HAZIRLAMA

Yürüme hızına göre diz açısı değişimi

Veri Hazırlama ve Öğrenme Aşaması

FARKLI YÜRÜME HIZLARINDA DİZ AÇISI DEĞİŞİM VERİLERİ

VERİ HAZIRLAMA

Veri Hazırlama ve Öğrenme Aşaması

•Model Amacı•Geçmişte kaydedilen diz açılarına baglı olarak bir sonraki diz acısının kestirimi. 4 örneklik zaman gecikmesi Öğrenme setinde 21 veri örneği

•YSA Modelinin Özellikleri :Katman sayısı : 3Nöron sayısı : 4 - 30-15-1Transfer fonksiyonları: hiperbolik tanjant, sigmoid , doğrusal transfer fonksiyonuGeri yayılım ağ eğitim fonksiyonu: gradyant azaltım (gradient descent) fonksiyonu Öğrenme adımı: 0,05Çevrim sayısı (epoch): 10000

YSA YAPISI

Veri Hazırlama ve Öğrenme Aşaması

Düz yolda iki yürüme döngüsü için eğitim sonucu

YSA YAPISI

GİRİŞYAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

SUNU PLANI

Eğitim ve TestFarklı eğimlerde yürüme modeli

Eğitim senaryosu Test senaryosu

Eğitim ve TestFarklı eğimlerde yürüme modeli

PERFORMANS

2

2

| ( ) ( , ) |

| ( ) |

nN

n

f x r w x

f x

BHO: Bağıl Hata Oranı

Eğitim ve TestFarklı hızlarda yürüme modeli

0.4 _ 0.6_2.0 km/s0.5_ 1.0_ 2.0_5.0 km/sEğitim senaryosu Test senaryosu

Eğitim ve TestFarklı hızlarda yürüme modeli

PERFORMANS

BHO: Bağıl Hata Oranı

Veri Hazırlama ve Öğrenme Aşaması

GİRİŞYAPAY SİNİR AĞLARI VERİ HAZIRLAMA VE ÖĞRENME AŞAMASIEĞİTİM VE TEST SONUÇLAR

SUNU PLANI

Sonuçlar

Eğitim ve test arasındaki tutarlılık sonucunda yapay sinir ağının bu tür problemler için, kaynaklarda kullanılan sonlu durum kontrolümodeline iyi bir alternatif olduğu gözlenmektedir.

Ek çalışmalar:

Uygulama kısıtları belli olduğunda optimal bir network üzerinde çalışılmalı

Verinin hazırlanmasıaşamasında seçilen zaman gecikmesinin etkisinin incelenmesi

Performansının Sonlu Durum Kontrolü ile karşılaştırılıp raporlanması

Teşekkürler...

[1] Rogério Rodrigues Lima Cisi, Euvaldo F. Cabral Jr. “Human Gait Analysed by an Artificial Neural Network Model” Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais, July 20- 22, 1999 - ITA, p 148-151.[2] Mordaunt P., Zalzala A.M.S. “ Towards an Evolutionary Neural Network for Gait Analysis” IEEE Computer Society, 2002, p1922-1927[3] Zlatnik Daniel, Steiner Beatrice, Schweitzer Gerhard “Finite-State Control of a Trans-Femoral (TF) Prosthesis” IEEE Transactions on Control Systems Technology, Vol. 10, NO. 3, May 2002, p 408-420[4] GF Philips, BJ Andrews, H Chizeck, K Barnicle “Finite Statet Control Of Paraplegic Gait Using a Hybrid FNS Othosis”, IEEE Engineering in Medicine & Biology Society 10th Annual International Conference, 1988[5] Sarmini Mahmoud,MD Lecture Notes LSUHSC School of Medicine.[6] Dong Liang, Wu Jiankang, Bao Xiaoming “A Hybrid HMM/Kalman Filter for Tracking Hip Angle in Gait Cycle”IEICE Trans. Inf. & Syst., Vol.E89–D,No.7 July 2006 , p 2319-2322[7] Herr Hugh, Wilkenfeld Ari “ User-Adaptive Control of a Magnetortheological Prosthetic Knee” Industrial Robot:An International Journal Vol. 30 No.1 2003 p 42- 55[8] Landau Joshua, Wyne Gar “San Fransisco Orthopaedic Residency Program” Lecture Archives Basic Science Gait and Evaluation[9] Haykin S., “Neural Networks A ComprehensiveFoundation, Prentice Hall International”, 1999[10] H. Demuth, M. Beale, M. Hagan, "Neural Network Toolbox, for use with MATLAB", Mathworks, 2006.[11] Leroux Alain , Fung Joyce , Barbeau Hugues “Postural adaptation to walking on inclined surfaces:I.Normal strategies” Gait and Posture 15, 2002, p 64–74[12] Hedel H.J.A., Tomatis L., Müller R. “Modulation of leg muscle activity and gait kinematics by walking speed and bodyweight unloading” Gait & Posture 24 (2006) p 35–45

KAYNAKÇA