| Titre : |
Classification des mouvements de la main basée sur des modèles d’apprentissage automatique |
| Type de document : |
document électronique |
| Auteurs : |
Massylia Khelafi, Auteur ; Zegaoui, Walid, Auteur ; Latifa Hamami, Directeur de thèse |
| Editeur : |
[S.l.] : [s.n.] |
| Année de publication : |
2023 |
| Importance : |
1 fichier PDF (9 Mo) |
| Présentation : |
ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2023
Bibliogr. p. 103 - 107 . - Webographie p. 108 . - Annexe p. 109 - 115 |
| Langues : |
Français (fre) |
| Mots-clés : |
Apprentissage automatique
Classificationdes signaux EMG
Electromyographique |
| Index. décimale : |
PN00723 |
| Résumé : |
Les signaux électromyographiques (EMG) sont largement utilisés dans de nombreux domaines. Cependant, en raison de la taille réduite de l’ensemble de données, la classification des signaux EMG en mouvements de la main représente une tâche difficile. Certaines études proposent des architectures complexes pour surmonter cette contrainte, mais ces architectures requièrent d’importantes ressources matérielles et un temps de traitement considérable. L’objectif de cette étude est de proposer une approche basée sur l’apprentissage automatique permettant de classifier avec précision les mouvements de la main tout en respectant des contraintes de temps de traitement et de ressources limitées. |
Classification des mouvements de la main basée sur des modèles d’apprentissage automatique [document électronique] / Massylia Khelafi, Auteur ; Zegaoui, Walid, Auteur ; Latifa Hamami, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 fichier PDF (9 Mo) : ill. Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2023
Bibliogr. p. 103 - 107 . - Webographie p. 108 . - Annexe p. 109 - 115 Langues : Français ( fre)
| Mots-clés : |
Apprentissage automatique
Classificationdes signaux EMG
Electromyographique |
| Index. décimale : |
PN00723 |
| Résumé : |
Les signaux électromyographiques (EMG) sont largement utilisés dans de nombreux domaines. Cependant, en raison de la taille réduite de l’ensemble de données, la classification des signaux EMG en mouvements de la main représente une tâche difficile. Certaines études proposent des architectures complexes pour surmonter cette contrainte, mais ces architectures requièrent d’importantes ressources matérielles et un temps de traitement considérable. L’objectif de cette étude est de proposer une approche basée sur l’apprentissage automatique permettant de classifier avec précision les mouvements de la main tout en respectant des contraintes de temps de traitement et de ressources limitées. |
|
PN00100 
Ajouter le résultat dans votre panier
Visionner les documents numériques
Faire une suggestion Affiner la rechercheClassification des mouvements de la main basée sur des modèles d’apprentissage automatique (2023)
