SUNU PLANI <ul><li>GİRİŞ (Yürüme ve Basamakları)  </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA V...
SUNU PLANI <ul><li>GİRİŞ (Yürüme ve Basamakları) </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA VE...
Yürüme ve Basamakları Rahat yürüme hızı  80m/d Adım uzunluğu  1.6 m  YÜRÜME NEDİR?
Yürüme ve Basamakları Eğim arttıkça:  Topuk vuruşu fazında  diz fleksiyonu nda eğimle doğru orantılı bir artış gözlenir.  ...
SUNU PLANI <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></...
Yapay Sinir Ağları (YSAlar) Sinir ağı eğitim şeması Üç katmanlı YSA yapısı
SUNU PLANI <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></...
Eğime göre diz açısı değişimi  Veri Hazırlama  ve Öğrenme Aşaması FARKLI EĞİMLERDE DİZ AÇISI DEĞİŞİM VERİLERİ VERİ HAZIRLA...
Yürüme hızına göre diz açısı değişimi  Veri Hazırlama  ve Öğrenme Aşaması FARKLI YÜRÜME HIZLARINDA DİZ AÇISI DEĞİŞİM VERİL...
Veri Hazırlama  ve Öğrenme Aşaması <ul><li>Model Amacı </li></ul><ul><li>Geçmişte kaydedilen diz açılarına baglı olarak bi...
Veri Hazırlama  ve Öğrenme Aşaması Düz yolda iki yürüme döngüsü için eğitim sonucu   YSA YAPISI
<ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>...
Eğitim ve Test Farklı eğimlerde yürüme modeli Eğitim senaryosu  Test senaryosu
Eğitim ve Test Farklı eğimlerde yürüme modeli PERFORMANS BHO: Bağıl Hata Oranı
Eğitim ve Test Farklı hızlarda yürüme modeli  0.4 _ 0.6_2.0 km/s 0.5_ 1.0_ 2.0_5.0 km/s Eğitim senaryosu  Test senaryosu
Eğitim ve Test Farklı hızlarda yürüme modeli  PERFORMANS BHO: Bağıl Hata Oranı
Veri Hazırlama  ve Öğrenme Aşaması <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI  </li></ul><ul><li>VERİ HAZIRLAMA VE...
Sonuçlar <ul><li>Eğitim ve test arasındaki tutarlılık sonucunda yapay sinir ağının  </li></ul><ul><li>bu tür problemler iç...
Teşekkürler...
[1] Rogério Rodrigues Lima Cisi, Euvaldo F. Cabral Jr. “Human Gait Analysed by an Artificial Neural Network Model”  Procee...
Upcoming SlideShare
Loading in …5
×

IEEE 17th Signal Processing and Communications Applications Conference SIU-2009

1,651 views

Published on

presentation of
"Modelling Temporal Features of Normal Gait with Neural Networks"
@ IEEE 17th Signal Processing and Communications Applications Conference SIU-2009

Published in: Health & Medicine, Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,651
On SlideShare
0
From Embeds
0
Number of Embeds
19
Actions
Shares
0
Downloads
50
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

IEEE 17th Signal Processing and Communications Applications Conference SIU-2009

  1. 2. SUNU PLANI <ul><li>GİRİŞ (Yürüme ve Basamakları) </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>
  2. 3. SUNU PLANI <ul><li>GİRİŞ (Yürüme ve Basamakları) </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>
  3. 4. Yürüme ve Basamakları Rahat yürüme hızı 80m/d Adım uzunluğu 1.6 m YÜRÜME NEDİR?
  4. 5. Yürüme ve Basamakları Eğim arttıkça: Topuk vuruşu fazında diz fleksiyonu nda 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 pelvisin geriye yatışı gözlenir . Farklı hızlarda: Bacaklar yer ile daha az temas halindedir. Hız arttıkça basma evresi kısalırken salınım artar. EĞİM VE YÜRÜME HIZININ ETKİLERİ
  5. 6. SUNU PLANI <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>
  6. 7. Yapay Sinir Ağları (YSAlar) Sinir ağı eğitim şeması Üç katmanlı YSA yapısı
  7. 8. SUNU PLANI <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>
  8. 9. Eğime göre diz açısı değişimi Veri Hazırlama ve Öğrenme Aşaması FARKLI EĞİMLERDE DİZ AÇISI DEĞİŞİM VERİLERİ VERİ HAZIRLAMA
  9. 10. Yürüme hızına göre diz açısı değişimi Veri Hazırlama ve Öğrenme Aşaması FARKLI YÜRÜME HIZLARINDA DİZ AÇISI DEĞİŞİM VERİLERİ VERİ HAZIRLAMA
  10. 11. Veri Hazırlama ve Öğrenme Aşaması <ul><li>Model Amacı </li></ul><ul><li>Geçmişte kaydedilen diz açılarına baglı olarak bir sonraki diz acısının kestirimi . </li></ul><ul><li>4 örneklik zaman gecikmesi </li></ul><ul><li>Öğrenme setinde 21 veri örneği </li></ul><ul><li>YSA Modelinin Özellikleri : </li></ul><ul><li>Katman sayısı : 3 </li></ul><ul><li>Nöron sayısı : 4 - 30-15-1 </li></ul><ul><li>Transfer fonksiyonları: hiperbolik tanjant, sigmoid , doğrusal transfer fonksiyonu </li></ul><ul><li>Geri yayılım ağ eğitim fonksiyonu: gradyant azaltım (gradient descent) fonksiyonu </li></ul><ul><li>Öğrenme adımı: 0,05 </li></ul><ul><li>Çevrim sayısı (epoch): 10000 </li></ul>YSA YAPISI
  11. 12. Veri Hazırlama ve Öğrenme Aşaması Düz yolda iki yürüme döngüsü için eğitim sonucu YSA YAPISI
  12. 13. <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>SUNU PLANI
  13. 14. Eğitim ve Test Farklı eğimlerde yürüme modeli Eğitim senaryosu Test senaryosu
  14. 15. Eğitim ve Test Farklı eğimlerde yürüme modeli PERFORMANS BHO: Bağıl Hata Oranı
  15. 16. Eğitim ve Test Farklı hızlarda yürüme modeli 0.4 _ 0.6_2.0 km/s 0.5_ 1.0_ 2.0_5.0 km/s Eğitim senaryosu Test senaryosu
  16. 17. Eğitim ve Test Farklı hızlarda yürüme modeli PERFORMANS BHO: Bağıl Hata Oranı
  17. 18. Veri Hazırlama ve Öğrenme Aşaması <ul><li>GİRİŞ </li></ul><ul><li>YAPAY SİNİR AĞLARI </li></ul><ul><li>VERİ HAZIRLAMA VE ÖĞRENME AŞAMASI </li></ul><ul><li>EĞİTİM VE TEST </li></ul><ul><li>SONUÇLAR </li></ul>SUNU PLANI
  18. 19. Sonuçlar <ul><li>Eğitim ve test arasındaki tutarlılık sonucunda yapay sinir ağının </li></ul><ul><li>bu tür problemler için, kaynaklarda kullanılan sonlu durum kontrolü </li></ul><ul><li>modeline iyi bir alternatif olduğu gözlenmektedir. </li></ul><ul><li>Ek çalışmalar: </li></ul><ul><li>Uygulama kısıtları belli olduğunda optimal bir network üzerinde çalışılmalı </li></ul><ul><li>Verinin hazırlanmasıaşamasında seçilen zaman gecikmesinin etkisinin incelenmesi </li></ul><ul><li>Performansının Sonlu Durum Kontrolü ile karşılaştırılıp raporlanması </li></ul>
  19. 20. Teşekkürler...
  20. 21. [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, &quot;Neural Network Toolbox, for use with MATLAB&quot;, 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

×