Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
20
Poziom I
Status:
Autorzy: Skublewska-Paszkowska Maria, Powroźnik Paweł, Łukasik Edyta, Smołka Jakub, Miłosz Marek, Taczała Jolanta, Zdzienicka-Chyła Agnieszka, Kosiecz Anna
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,8
Język: angielski
Strony: 119 - 131
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 7 grudnia 2020
Abstrakty: angielski
Artificial neural networks are an excellent tool to classify patterns. Depending on the knowledge about dependencies between input and output data, different neural structures are used. The aim of the paper is to select the neural network structure, parameters and learning method to distinguish the gait of healthy children and those with disorders. The input vector to the neural network is: step length, step velocity, step duration, step width, step cadence, the maximal height of heel and toe during the step and average ankle angle. These items were generated from three-dimensional data recorded using a motion capture system (Vicon, Oxford Metrics Ltd., UK) and the biomechanical model Plug-in Gait. The children were walking along a straight 2.5 m path.Possessing the data describing the children's walk is a condition insufficient to be able to clearly assign a specific patient to groups of people characterised by a correct or incorrect walk. It is also desirable to separate individual groups. In other words,it should be shown that it is possible to extract a set of parameters from the data sets that will allow for an unambiguous classification of the children's gait. During the research, 1608 sets of samples suitable for classification and derived from both children with walking defects and healthy children were obtained. One way neural networks as well as the Support Vector Machine were tested as a classifier. The separability of the collected data using the tSNE method was also shown.