혹시 재학/재직 중이신가요? 소속기관의 DBpia 구독 여부를 확인해 보세요.
Show 정확한 소속 기관명을 클릭해 주세요 ex) 한국대학교, 한국고등학교, 시립도서관, (주)누리자동차 등 소속기관이 없습니다. 소속기관이 없으시면 DBpia를 구독 중인 주변 공공도서관을 찾아보세요 - DBpia 구독 중 입니다
자주묻는 질문 - 내부 방문시 자동 기관인증
- DBpia를 구독하지 않는 기관입니다.도서관 홈페이지를 통해서만 이용 가능합니다
도서관 홈페이지 계정 인증 대학교의 경우, 포털 계정 인증이 안된다면 도서관 홈페이지 계정을 이용해주세요 자주묻는 질문 - 소속 회원 / 학생 / 교직원 인증
자주묻는 질문 - 소속 회원 / 학생 / 교직원 인증
대표 계정 인증 구독 계약시 기관 담당자에게 부여되는 계정입니다 자주묻는 질문 - 대표 계정 인증
RNN을 이용한 근전도 신호 손가락 자세 추정1. 서론
[그림 1] 근전도 신호를 활용한 로봇 의수 제어의 예시 (존스 홉킨스 대학) 하지만, 근전도 신호가 장점만 존재하는 것은 아니다. 사람마다 근육 특성이 다르기 때문에 신호의 크기가 다르다는 점과, 장시간 근육을 수축할 시 근육 피로도가 쌓여 신호의 비선형성이 강해진다는 단점이 존재한다. 이러한 이유 때문에 해당 연구는 수학적 모델링에 큰 어려움이 있고, 기존의 근전도를 활용한 로봇 의수 연구들은 근전도 신호를 패턴 인식을 통한 이산적인 동작을 분류 수행하는 것에 초점이 맞춰져 있다. 2. 본론
[그림 2] 실험에 사용된 근전도 센서(좌), 모션 글러브 (우) 2.2 Recurrent Neural Network (RNN) [그림 3] 손가락 자세 추정 실험 결과: (좌) 전처리된 근전도 신호, (중) 손가락의 실제 모션 데이터 값, (우) RNN으로 추정한 모션 데이터 출력값 3. 결론
|