Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Analysis of sEMG signal has been an emerging field for the myoelectric control of upper limb prosthesis. The objective of present work is to obtain the performance measures like accuracy, sensitivity, specificity and positive predictivity using MLPNN with back propagation algorithm. Using MLPNN classifier, an average classification accuracy of 93.71\% was achieved over ten subjects for the combination of [MAV1, WL, AAC, ZC, and WAMP] features. Next the classification accuracy is obtained with kNN classifier for k= 3, 5, and 7. The results showed that average classification accuracy of 93.06\% is achieved using kNN and it is better than MLPNN in terms of time and simplicity.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.