RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      근전도 신호와 딥러닝을 이용한 Finger Motion Tracking

      한글로보기

      https://www.riss.kr/link?id=A108424124

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      VR controllers are generally used by hand. But they are not suitable for Handicapped with amputated arm joint. Controllors for them are needed because virtual reality technology can become close to our real life. This study aims to implement it throug...

      VR controllers are generally used by hand. But they are not suitable for Handicapped with amputated arm joint. Controllors for them are needed because virtual reality technology can become close to our real life. This study aims to implement it through electromyography signal and Deep learning. Data sets are created through digital filtering and time series feature extraction. Using 1d CNN-LSTM, CNN is used to create a feature map of electromyogram signal and LSTM is used to analyze time series associations. This model takes about 370ms to calculate the predicted data. Loss of prediction through train data is 0.00164, and 0.008458 for test data and 0.008688 for validation data.

      더보기

      목차 (Table of Contents)

      • Abstract
      • 1. 서론
      • 2. 이론 및 실험
      • 3. 결론
      • 참고문헌
      • Abstract
      • 1. 서론
      • 2. 이론 및 실험
      • 3. 결론
      • 참고문헌
      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼