- -

Analysis of feedforward and LSTM deep neural network architectures for self-supervised regression of sEMG signals for multi-grasp robot hand control

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Analysis of feedforward and LSTM deep neural network architectures for self-supervised regression of sEMG signals for multi-grasp robot hand control

Mostrar el registro completo del ítem

Soto Alapont, J. (2023). Analysis of feedforward and LSTM deep neural network architectures for self-supervised regression of sEMG signals for multi-grasp robot hand control. Universitat Politècnica de València. http://hdl.handle.net/10251/196516

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/196516

Ficheros en el ítem

Metadatos del ítem

Título: Analysis of feedforward and LSTM deep neural network architectures for self-supervised regression of sEMG signals for multi-grasp robot hand control
Otro titulo: Análisis de arquitecturas de redes neuronales profundas prealimentadas y LSTM para la regresión autosupervisada de señales sEMG para el control de múltiples agarres de manos robóticas
Anàlisi d'arquitectures de xarxes neuronals profundes prealimentades i LSTM per a la regressió autosupervisada de senyals sEMG per al control de múltiples agarres de mans robòtiques
Autor: Soto Alapont, Josep
Director(es): Picó Marco, Jesús Andrés
Entidad UPV: Universitat Politècnica de València. Departamento de Ingeniería de Sistemas y Automática - Departament d'Enginyeria de Sistemes i Automàtica
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Fecha acto/lectura:
2023-07-17
Fecha difusión:
Resumen:
[ES] EI TFG propuesto se centra en el análisis de diferentes algoritmos de Machine Learning para el desarrollo de una interfaz humano-robot (HRI) eficiente que permita un control intuitivo y fácil de usar de una mano ...[+]


[EN] The proposed thesis focuses on the analysis of different Machine Learning algorithms for developing an efficient human-robot interface (HRI) that enables intuitive and easy-to-use control of a robotic hand. The main ...[+]
Palabras clave: Señal de Electromiografía superficial (sEMG) , Machine Learning , Algoritmo , Control , Mano robótica , Interfaz humano-robot (HRI) , Factorización No Negativa de matrices (NMF) , Redes Neuronales Profundas (Prealimentadas y LSTM) , Regresión autosupervisada , Python
Derechos de uso: Reserva de todos los derechos
Editorial:
Universitat Politècnica de València
Titulación: Grado en Ingeniería en Tecnologías Industriales-Grau en Enginyeria en Tecnologies Industrials
Tipo: Proyecto/Trabajo fin de carrera/grado

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem