Person:
YILDIRIM, ALPER

Profile Picture

Email Address

Birth Date

Research Projects

Organizational Units

OrgUnit Logo
Organizational Unit

Job Title

Last Name

YILDIRIM

First Name

ALPER

Name

Filters

20222
Reset filters

Settings

Subject: Artificial Intelligence, Computer Learning and Pattern Recognition ×

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    PublicationOpen Access
    Design of a toolbox for kinematic analysis of jansen's linkage
    (2022-09-01) YILDIRIM, ALPER; Sünkün S., Parlak B. O. , Yıldırım A., Yavaşoğlu H. A.
    Utilizing industrial robots is an efficient method for addressing the labor crisis and advancing industrial technologies. As a result, industrial robots are becoming increasingly popular. Additionally, the widespread use of industrial robots will increase the interest in robot propulsion mechanisms. Legged robots should be primarily investigated because of their potential advantages. Among leg mechanisms, Jansen\"s linkage (JL) has gained popularity due to its organic walking motion, scalable design, and simple drive by rotary input. However, the highly nonlinear nature of JL makes its analysis challenging. The research provides a user-friendly toolbox design that visualizes the toe trajectory and simultaneously calculates the step height by performing a kinematic analysis of the JL using the user-supplied link lengths. In this way, the study contributes significantly to the design phase of legged robots and reduces the amount of time required.
  • Thumbnail Image
    PublicationOpen Access
    EMG sinyallerinin derin öğrenme ile hareket sınıflandırması
    (2022-09-18) AKGÜN, GAZİ; YILDIRIM, ALPER; DEMİR, UĞUR; KAPLANOĞLU, ERKAN; Akgün G., Yıldırım A., Demir U., Kaplanoğlu E.
    Bu çalışmada EMG sinyalleri üzerinde öznitelikler hesaplanmıştır. Bu öznitelikler ile el hareketlerini sınıflandırmak için derin öğrenme algoritmaları kullanılmıştır. Bir zaman serisi olarak toplanan EMG sinyalleri üzerinde zaman alanında hesaplanan öznitelik vektörleri belirli boyutlarda simetrik matrisler olarak kaydedilmiştir. Yeniden oluşturulan ve resim dosyası formatında kaydedilen veri seti ile Evrişimsel Sinir Ağı eğitilmiştir. Bu eğitim sonucunda tüm veriler ile %93, test verileri ile %79 başarı ile hareket sınıflandırması gerçekleştirilmiştir.