Comparison of Artificial Neural Networks with other Machine Learning Methods in Foot Movement Classification


Creative Commons License

Aydın Fandaklı S., Okumuş H. İ.

Karadeniz Fen Bilimleri Dergisi, vol.13, no.1, pp.153-171, 2023 (Peer-Reviewed Journal)

  • Publication Type: Article / Article
  • Volume: 13 Issue: 1
  • Publication Date: 2023
  • Doi Number: 10.31466/kfbd.1214950
  • Journal Name: Karadeniz Fen Bilimleri Dergisi
  • Journal Indexes: TR DİZİN (ULAKBİM)
  • Page Numbers: pp.153-171
  • Karadeniz Technical University Affiliated: Yes

Abstract

Modern protezler, geleneksel protezlere kıyasla Atalet Ölçüm Birimlerinden (IMU'lar) alınan yürüyüş analizi verileri kullanılarak kontrol edilebilir. Bu makale, hareket niyetini tanımak ve anormal yürüme koşullarına uyum sağlamak için alt ekstremite protezlerinde robotik ayak bileği sistemi için ayak hareketlerini sınıflandırmayı amaçlamaktadır. 20-34 yaşları arasındaki 11 gönüllüden toplanan IMU verilerinden istatistiksel özellikler çıkarılmış ve daha sonra öznitelikler makine öğrenmesi kullanılarak sınıflandırılmıştır. Bu çalışmada, Naive Bayes Sınıflandırıcısı, Doğrusal Ayırım Analizi, K-En Yakın Komşu Sınıflandırıcısı ve Destek Vektör Makineleri ve Yapay Sinir Ağları ayak hareketlerini sınıflandırmadaki sınıflandırma doğrulukları ham veriler için ve Madwick Filtresi ile tahmin edilen Euler açıları ve kuaterniyonlar gibi işlenmiş veriler için ayrı ayrı incelenmiştir. Yürüyüş analizi verileri, Orta Doğu Teknik Üniversitesi Makine Mühendisliği Bölümü Biyomekanik Laboratuvarı'nda on bir denekten üç eksenli jiroskop, üç eksenli ivmeölçer ve üç eksenli manyetometre içeren 9 serbestlik dereceli bir NRF52 üzerinde Inemo atalet modülü LSM9DS1 çalışması kullanılarak alındı ve test verilerinde % 90.90, eğitim verilerinde %97.3 en yüksek sınıflandırma doğruluk oranı elde edildi.