Publication:
EMG sinyallerinin derin öğrenme ile hareket sınıflandırması

Simple item page
dc.contributor.authorAKGÜN, GAZİ
dc.contributor.authorYILDIRIM, ALPER
dc.contributor.authorDEMİR, UĞUR
dc.contributor.authorKAPLANOĞLU, ERKAN
dc.contributor.authorsAkgün G., Yıldırım A., Demir U., Kaplanoğlu E.
dc.date.accessioned2022-12-26T10:40:17Z
dc.date.available2022-12-26T10:40:17Z
dc.date.issued2022-09-18
dc.description.abstractBu 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.
dc.description.abstractIn this study, the statistical features are calculated with EMG signals. Deep learning algorithms are used to classify hand gestures with these features. the feature vectors calculated in the time domain using the EMG signals recorded as a time series are stored as symmetric matrices with specific sizes. The data set that is rebuilt and saved as image file format is used to train the convolutional neural network. Thereafter the training, motion classification is carried out with a success rate of 93% for all data and 79% for test data
dc.identifier.citationAkgün G., Yıldırım A., Demir U., Kaplanoğlu E., \"EMG Sinyallerinin Derin Öğrenme ile Hareket Sınıflandırması\", TOK2022 Otomatik Kontrol Ulusal Toplantısı, Elazığ, Türkiye, 15 - 18 Eylül 2022, Elazığ, Türkiye, 15 - 18 Eylül 2022
dc.identifier.urihttps://avesis.marmara.edu.tr/api/publication/b96edf2e-d737-4d3f-ad6b-f43592dd59c8/file
dc.identifier.urihttps://hdl.handle.net/11424/283955
dc.language.isotur
dc.relation.ispartofTOK2022 Otomatik Kontrol Ulusal Toplantısı, Elazığ, Türkiye, 15 - 18 Eylül 2022
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBilgisayar Bilimleri
dc.subjectYapay Zeka, Bilgisayarda Öğrenme ve Örüntü Tanıma
dc.subjectİnsan Bilgisayar Etkileşimi
dc.subjectÖrüntü Tanıma ve Görüntü İşleme
dc.subjectSinirsel Ağlar
dc.subjectElektrik-Elektronik Mühendisliği
dc.subjectElektronik
dc.subjectMühendislik ve Teknoloji
dc.subjectComputer Sciences
dc.subjectArtificial Intelligence, Computer Learning and Pattern Recognition
dc.subjectHuman Computer Interaction
dc.subjectPattern Recognition and Image Processing
dc.subjectNeural Networks
dc.subjectElectrical and Electronics Engineering
dc.subjectElectronic
dc.subjectEngineering and Technology
dc.subjectMühendislik, Bilişim ve Teknoloji (ENG)
dc.subjectBilgisayar Bilimi
dc.subjectMühendislik
dc.subjectBİLGİSAYAR BİLİMİ, YAPAY ZEKA
dc.subjectBİLGİSAYAR BİLİMİ, SİBERNETİK
dc.subjectMÜHENDİSLİK, ELEKTRİK VE ELEKTRONİK
dc.subjectEngineering, Computing & Technology (ENG)
dc.subjectCOMPUTER SCIENCE
dc.subjectENGINEERING
dc.subjectCOMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
dc.subjectCOMPUTER SCIENCE, CYBERNETICS
dc.subjectENGINEERING, ELECTRICAL & ELECTRONIC
dc.subjectElektrik ve Elektronik Mühendisliği
dc.subjectSinyal İşleme
dc.subjectBilgisayarla Görme ve Örüntü Tanıma
dc.subjectBilgisayar Bilimi Uygulamaları
dc.subjectYapay Zeka
dc.subjectBilgisayar Bilimi (çeşitli)
dc.subjectGenel Bilgisayar Bilimi
dc.subjectFizik Bilimleri
dc.subjectElectrical and Electronic Engineering
dc.subjectSignal Processing
dc.subjectComputer Vision and Pattern Recognition
dc.subjectComputer Science Applications
dc.subjectArtificial Intelligence
dc.subjectComputer Science (miscellaneous)
dc.subjectGeneral Computer Science
dc.subjectPhysical Sciences
dc.titleEMG sinyallerinin derin öğrenme ile hareket sınıflandırması
dc.typeconferenceObject
dspace.entity.typePublication
local.avesis.idb96edf2e-d737-4d3f-ad6b-f43592dd59c8
relation.isAuthorOfPublication4cca1569-333a-440f-9f9e-7cf897217af2
relation.isAuthorOfPublication385a6566-2604-4dd8-b87a-12f73124177a
relation.isAuthorOfPublication909feeb4-feb0-462c-9b56-8880b4cf6252
relation.isAuthorOfPublicationb7c9896c-40ba-4cf8-821a-45fbe55c89c0
relation.isAuthorOfPublication.latestForDiscovery4cca1569-333a-440f-9f9e-7cf897217af2

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
34.pdf
Size:
980.38 KB
Format:
Adobe Portable Document Format
Download

Collections

Research Outputs