گراف احتمال همزماني فازي در شبكه هاي عصبي عميق جهت ارزيابي سري هاي زماني حركتي انسان

با در نظر گرفتن وابستگي بين داده‌هاي حركتي مفاصل، مي‌توان ارزيابي دقيق‌تري از تمرين‌هاي توانبخشي حركتي انجام داد. با استفاده از روش‌هايي بر پايه گراف حاصل از داده‌هاي حركتي مفاصل، اين وابستگي در نظر گرفته مي‌شود. در حالي كه چالش اصلي ارائه روش تشكيل گراف متناسب با نوع داده‌هاي حركتي است. روش‌هاي تشكيل گراف موجود يا نيازمند به آموزش و داراي محاسبات پيچيده هستند و يا ماهيت غير خطي و غير ايستاي داده‌هاي حركتي را در نظر نمي‌گيرند. در اين پژوهش، براي تشكيل گراف از معيار احتمال همزماني فازي (FSL) استفاده شده است كه شباهت كيفي داده‌هاي غير خطي و غير ايستا را بررسي مي‌كند. همچنين از شبكه عصبي چگالي تركيبي عميق به منظور ارزيابي تمرين‌هاي توانبخشي استفاده شده است. عملكرد اين شبكه با ورودي گراف FSL با گراف‌هاي مبتني بر ساختار اسكلتي و معيار همبستگي كه تاكنون در زمينه تحليل داده‌هاي حركتي استفاده شده‌اند و هم چنين با ورودي غير گراف بر اساس ميزان مقدار مطلق خطا، ميانگين مربعات خطا و ضريب همبستگي بين امتياز تخمين زده شده و امتياز مرجع مقايسه شده است. شبكه پيشنهادي با ورودي گراف FSL عملكرد بهتري از انواع گراف‌ها دارد در حالي كه عملكرد برابري با حالت بدون گراف دارد. از آنجا كه ورودي گراف FSL تعامل بين اطلاعات مفاصل را در نظر مي‌گيرد، نتيجه آن قابل شهودتر است.