Простий
пошук
Розширений
пошук
Покажчики
Професійний
пошук
Рубрикатор
НБУВ
Розподілений
пошук

Бази даних

Наукова періодика України - результати пошуку

Книжкові видання та компакт-диски
Журнали та продовжувані видання
Автореферати дисертацій
Реферативна база даних
Наукова періодика України
Тематичний навігатор
Авторитетний файл імен осіб
Mozilla Firefox Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер
"Mozilla Firefox"
Вид пошуку
Повнотекстовий пошук
 Знайдено в інших БД:Реферативна база даних (1)
Список видань за алфавітом назв:
A  B  C  D  E  F  G  H  I  J  L  M  N  O  P  R  S  T  U  V  W  
А  Б  В  Г  Ґ  Д  Е  Є  Ж  З  И  І  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Э  Ю  Я  

Авторський покажчик    Покажчик назв публікацій


Пошуковий запит: (<.>A=Suprunenko M$<.>)
Загальна кількість знайдених документів : 1
1.

Suprunenko M. K. 
Information-extreme machine learning of wrist prosthesis control system based on the sparse training matrix [Електронний ресурс] / M. K. Suprunenko, O. P. Zborshchyk, O. Sokolov // Journal of engineering sciences. - 2022. - Vol. 9, Iss. 2. - С. E28-E35. - Режим доступу: http://nbuv.gov.ua/UJRN/jes_2022_9_2_11
The article considers the problem of machine learning of a wrist prosthesis control system with a non-invasive biosignal reading system. The task is solved within the framework of information-extreme intelligent data analysis technology, which is based on maximizing the system's information productivity in machine learning. The idea of information-extreme machine learning of the control system for recognition of electromyographic biosignals, as in artificial neural networks, consists in adapting the input information description to the maximum total probability of making correct classification decisions. However, unlike neuro-like structures, the proposed method was developed within a functional approach to modeling the cognitive processes of the natural intelligence of forming and making classification decisions. As a result, the proposed method acquires the properties of adaptability to the intersection of classes in the space of recognition features and flexibility when retraining the system due to the recognition class alphabet expansion. In addition, the decision rules constructed within the framework of the geometric approach are practically invariant to the multidimensionality of the space of recognition features. The difference between the developed method and the well-known methods of information-extreme machine learning is the use of a sparse training matrix, which allows for reducing the degree of intersection of recognition classes significantly. The optimization parameter of the input information description, the training dataset, is the quantization level of electromyographic biosignals. As an optimization criterion is considered the modified Kullback information measure. The proposed machine learning algorithm results are shown in the example of recognition of six finger movements and wrist.
Попередній перегляд:   Завантажити - 733.883 Kb    Зміст випуску    Реферативна БД     Цитування
 
Відділ наукової організації електронних інформаційних ресурсів
Пам`ятка користувача

Всі права захищені © Національна бібліотека України імені В. І. Вернадського