Computational Intelligence for Movement Sciences. Neural Networks, Support Vector Machines, and Other Emerging Techniques

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Begg R.,  Palaniswami,  M.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 411 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 58,000

Издательство Idea Group, 2006, -411 pp. مطالعات علوم حرکتی انسانی معمولاً از دیدگاه بین رشته ای انجام می شود. افراد و گروه‌هایی که در تحقیقات علوم حرکتی درگیر هستند، از پیشینه‌های مختلفی هستند، از جمله: بیومکانیک، مهندسی بیوپزشکی، علم سلامت، علم ورزش، علوم ورزشی، علوم کامپیوتر، علوم بالینی، فیزیوتراپی، پروتز و ارتز، به نام چند مورد. . تحقیق و توسعه در علوم حرکتی به سرعت در حال پیشرفت است. اهداف اصلی این پیشرفت‌ها دستیابی به درک بهتر از ویژگی‌های حرکتی طبیعی و غیرعادی انسان و همچنین توسعه راه‌های جدید و نوآورانه برای مبارزه با افزایش هزینه‌های مراقبت‌های بهداشتی در سراسر جهان است. تجزیه و تحلیل راه رفتن و سایر حرکات انسان در آشکار کردن بسیاری از بینش های مفید در تشخیص و ارزیابی ناهنجاری های حرکتی بسیار مفید است. در زمان های اخیر، تجزیه و تحلیل راه رفتن تقریبا به عنوان یک روش معمول در کمک به بسیاری از روش های تشخیصی و توانبخشی در نظر گرفته می شود. نمونه های کاربردی رایج عبارتند از: طراحی یک برنامه توانبخشی برای کمک به معلولان، برنامه ریزی و ارزیابی نتایج جراحی، تشخیص راه رفتن به دلیل خطر افتادن در سالمندان و همچنین برای بهبود تکنیک ها و عملکرد ورزشی.
هوش محاسباتی (CI) شامل رویکردهایی است که عمدتاً مبتنی بر شبکه‌های عصبی مصنوعی، قوانین منطق فازی، الگوریتم‌های تکاملی و ماشین‌های بردار پشتیبانی هستند. این روش ها برای حل بسیاری از مسائل پیچیده و متنوع به کار گرفته شده اند. سال‌های اخیر شاهد پیشرفت‌های جدید بسیاری در تکنیک‌های CI بوده‌ایم و در نتیجه این امر منجر به افزایش تصاعدی تعداد کاربردها در زمینه‌های مختلف از جمله مهندسی، مالی، اجتماعی و زیست‌پزشکی شده است. به طور خاص، تکنیک‌های CI به دلیل پیچیدگی سیستم‌های بیولوژیکی و همچنین محدودیت‌های تکنیک‌های کمی موجود در مدل‌سازی، به طور فزاینده‌ای در مناطق زیست پزشکی و حرکت انسان مورد استفاده قرار می‌گیرند. مطالب این کتاب طیف وسیعی از کاربردهای مرتبط در علوم حرکتی انسانی را که توسط محققان و دانشگاهیان برجسته در این منطقه نوشته شده است، پوشش می دهد. بخش اول: روش ها و ابزارهایی برای تجزیه و تحلیل حرکت
مروری بر تجزیه و تحلیل حرکت و ویژگی های راه رفتن
حسگر اینرسی در بیومکانیک: بررسی تکنیک های محاسباتی پل زدن تجزیه و تحلیل حرکت و ناوبری شخصی
نظارت بر حرکت انسان با بدن ثابت حسگرها و کاربردهای بالینی آن
تکنیک‌های هوش محاسباتی
بخش دوم: پیشرفت‌ها در تحلیل و مدل‌سازی راه رفتن
مدل‌سازی برخی از جنبه‌های رفتار حرکتی ماهر با استفاده از شبکه‌های عصبی مصنوعی
تجسم داده های راه رفتن بالینی با استفاده از یک شبکه عصبی مصنوعی خودسازمانده
مدل های شبکه عصبی برای تخمین کنترل تعادل، تشخیص عدم تعادل، و تخمین خطر سقوط
شناخت الگوهای راه رفتن با استفاده از ماشین های بردار پشتیبان
br/>بخش سوم: کاربردها در توانبخشی و ورزش
کنترل سیستم های FES انسان-ماشین
روش های تکاملی برای تجزیه و تحلیل حرکت انسان
تشخیص الگوی پویا در ورزش توسط ابزار شبکه های عصبی مصنوعی
بخش چهارم: مدل سازی محاسباتی برای پیش بینی نیروهای حرکتی
برآورد نیروهای عضلانی در مورد مچ پا در حین راه رفتن در افراد سالم و دارای اختلالات عصبی
مدل سازی محاسباتی در بیومکانیک شانه

Издательство Idea Group, 2006, -411 pp. Studies into human movement sciences have been usually undertaken from an interdisciplinary perspective. Individuals and groups who are involved in movement science research come from a number of diverse backgrounds, including: biomechanics, biomedical engineering, health science, exercise science, sports science, computer science, clinical science, physiotherapy, prosthetics and orthotics, to name a few. Research and development in movement sciences are progressing quite rapidly. The main aims of these advances are to gain a better understanding of the normal and abnormal human movement characteristics, and also to develop new and innovative ways of combating the rising health care costs around the globe. Analysis of gait and other human movements has proved very useful in revealing many useful insights into the recognition and assessment of movement abnormalities. In recent times, gait analysis is taken almost as a routine procedure in aiding many diagnostic and rehabilitative procedures. Common application examples include: the design of a rehabilitation program to assist the disabled, the planning and assessment of surgical outcomes, the recognition of gaits due to falls-risk in the elderly and also for the improvement of sports techniques and performance.
Computational intelligence (CI) encompasses approaches primarily based on artificial neural networks, fuzzy logic rules, evolutionary algorithms and support vector machines. These methods have been applied to solve many complex and diverse problems. Recent years have seen many new developments in CI techniques and consequently this has led to an exponential increase in the number of applications in a variety of areas including engineering, finance, social and biomedical. In particular, CI techniques are increasingly being used in biomedical and human movement areas because of the complexity of the biological systems as well as the limitations of the existing quantitative techniques in modelling. The contents of this book cover a wide range of relevant applications in human movement sciences written by leading researchers and academicians in the area. Section I: Methods and Tools for Movement Analysis
Overview of Movement Analysis and Gait Features
Inertial Sensing in Biomechanics: A Survey of Computational Techniques Bridging Motion Analysis and Personal Navigation
Monitoring Human Movement with Body-Fixed Sensors and its Clinical Applications
Computational Intelligence Techniques
Section II: Advances in Gait Analysis and Modelling
Modelling of Some Aspects of Skilled Locomotor Behaviour Using Artificial Neural Networks
Visualisation of Clinical Gait Data Using a Self-Organising Artificial Neural Network
Neural Network Models for Estimation of Balance Control, Detection of Imbalance, and Estimation of Falls Risk
Recognition of Gait Patterns Using Support Vector Machines
Section III: Applications in Rehabilitation and Sport
Control of Man-Machine FES Systems
Evolutionary Methods for Analysis of Human Movement
Dynamic Pattern Recognition in Sport by Means of Artificial Neural Networks
Section IV: Computational Modelling for Predicting Movement Forces
Estimation of Muscle Forces About the Ankle During Gait in Healthy and Neurologically Impaired Subjects
Computational Modelling in Shoulder Biomechanics