• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Система управления человеческой походкой методами машинного обучения, подходящая для роботизированных протезов в случае двойной трансфеморальной ампутации Human gait controlling system using machine learning methods suitable for robotic prostheses for patients suffering from double transfemoral amputation Кандидатская диссертация Ученая степень НИУ ВШЭ

Соискатель:Черешнев Роман Игоревич
Руководитель:Кертес-Фаркаш Аттила (др. работы под рук-вом)
Члены комитета:Сахно Сергей Владимирович (Московский физико-технический институт (национальный исследовательский университет), кандидат физико-математических наук, председатель комитета), Гравина Рафаэль (Университет Калабрия (Италия), PhD, член комитета), Музич Йосип (Университет Сплит (Хорватия), PhD, член комитета), Онето Лука (Университет Пиза (Италия), PhD, член комитета), Сант’Анна Анита (Университет Хальмстад (Швеция), PhD, член комитета)
Диссертация принята к предварительному рассмотрению:27.06.2019
Дисс. совет:Совет по компьютерным наукам


Диссертационная работа посвящена созданию системы управления человеческой походкой методами машинного обучения, подходящей для роботизированных протезов в случае двойной трансфеморальной ампутации. Используется гипотеза о том, что существует высокая корреляция между движениями бедра и голени. Таким образом, для генерации положения голени на основании движения бедра можно использовать методы машинного обучения. Для достижения данной цели использовалась рекуррентная нейронная сеть. Также, для распознавания намерения пользователя встать и сесть был разработан метод RapidHARe. Для обучения и валидации моделей машинного обучения был собран уникальный датасет, который содержит информацию о взаимном расположении частей ноги, полученную с инерциальных датчиков, и информацию о электрической активности мышц бедер.

Диссертация [*.pdf, 16.30 Mb] (дата размещения 1.07.2019)
Резюме [*.pdf, 6.08 Mb] (дата размещения 1.07.2019)
Summary [*.pdf, 6.68 Mb] (дата размещения 1.07.2019)

Публикации, в которых излагаются основные результаты диссертации



Отзывы:
Отзыв научного руководителя
Ключевые слова: инерциальный датчик, машинное обучение, метод RapidHARe, Рекуррентная нейронная сеть, роботизированный протез