مدلسازی عضله تحریک شده در شرایط غیرایزومتریک توسط شبکه های عصبی مصنوعی
چکیده
در این پروژه با توجه به قابلیت بالای شبکه های عصبی مصنوعی در مدلسازی سیستم های غیرخطی، سعی شده که عضله تحریک شده را توسط شبکه های عصبی بصورت جعبه سیاه و بدون توجه به کارکرد اجزای تشکیل دهنده آن مدلسازی کرد. در این کارتحقیقاتی، جهت مدلسازی عضله تحریک شده شبکه های عصبی پس از انتشار خطا و شبکه های عصبی مبتنی بر توابع پایه شعاعی پیاده سازی شده اند. برای یادگیری شبکه های مبتنی ب توابع پایه شعاعی (rbfn) از سه روش استفاده شده است : روش آموزش k-means ، روش گرادیان تصادفی و روش حداقل مربعات متعامد. در آخر نیز برای مقایسه قابلیت شبکه های عصبی که مدل های غیرخطی هستند با مدل های خطی، عضله تحریک شده بوسیله مدل خطی کلی مدل شده است . نتایج این پروژه نشان می دهد در مدلسازی عضله شبکه rbf با روش آموزش گرادیان تصادفی از کارایی بالاتری نسبت به سایر شبکه ها برخوردار است .