پيش بيني نيروي انقباض ايزومتريك در عضله فلج تحريك شده با استفاده از شبكه هاي عصبي خود سازنده

هدف از اين تحقيق ، ارائه مدلي بر مبناي شبكه هاي عصبي از عضله فلج تحريك شده در شرايط انقباض ايزومتريك است . در اين مقاله ازشبكه هاي عصبي مبتني بر توابع پايه شعاعي با ساختار ثابت و با روش يادگيري الگوريتم گراديان تصافي جهت شناسايي رفتار عضله استفاده شده است . يك مسئله مهم در شبكه هاي عصبي تعيين تعداد نرونهاي لايه مخفي است . يك راه تعيين تعداد نرونهاي شبكه استفاده از روش سعي و خطا است . عيب عمده اين روش صرف زمان و انجام محاسبات زياد است . دراين مقاله از يك الگوريتم يادگيري خود ساخته استفاده مي شود . اين الگوريتم علاوه بر تخمين تخمين پارامترهاي شبكه هاي عصبي مبتني بر توابع پايه شعاعي ، تعداد نرونهاي لايه پنهان را نيز تعيين مي كند . نتايج اين تحقيق نشان مي دهد كه شبكه هاي عصبي خود سازمانده نسبت به شبكه هاي عصبي پس از انتشار خطا و شبكه مبتني بر توابع پايه شعاعي ، با دقت بيشتري قادر به پيش بيني ميزان نيروي انقباض عضله فلج است . در اكثر مدلهاي مرسوم عضله براي كاربردهاي تحريك الكتريكي كاركردي ، سيگنال تحريك الكتريكي به عنوان ورودي بكار مي رود . ما دراين مقاله از سيگنال الكترومايوگرام برانگيخته بعنوان ورودي شبكه هاي عصبي استفاده مي كنيم . نتايج نشان مي دهد كه مدل عصبي با ورودي سيگنال الكترومايوگرام بسيار دقيق تر از مدل عصبي با ورودي سيگنال تحريك ، ميزان انقباض عضله را پيش بيني مكند .