Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/7638| Título: | Aplicação de Redes Neurais Recorrentes para a Predição do Aprendizado Motor |
| Título(s) alternativo(s): | Application of Recurrent Neural Networks for Predicting Motor Learning |
| Autor(es): | SILVA, Lucas Cléopas Costa da |
| Palavras-chave: | Aprendizado motor; Aprendizado de máquina; Agrupamento hierárquico; Rede Neural Recorrente Machine learning; Motor learning; Clustering analysis; Recurrent Neural Network |
| Data do documento: | 15-Dez-2022 |
| Editor: | UFMA |
| Resumo: | Tarefas do dia a dia – por exemplo, andar, escrever, digitar, etc. – envolvem habilida- des motoras. No entanto, pacientes com problemas motores apresentam dificuldades para executar essas tarefas rotineiras. Tendo em vista esse cenário, estudos com ênfase em aprendizado motor para aquisição de habilidades motoras e reabilitação dessas habilida- des mostram-se necessários para melhorar a qualidade de vida dos pacientes. O objetivo principal deste trabalho visou aplicar Rede Neural Recorrente para estimar quando um indivíduo irá atingir o nível de desempenho desejado dado uma tarefa de aprendizado motor. Em razão disso, 20 voluntários realizaram a tarefa de decalque com a mão não dominante (mão esquerda) para o estudo e predição do aprendizado motor. Essa tarefa foi realizada durante três dias consecutivos (cada dia é uma sessão). Cada sessão continha dez blocos com dez palavras (tentativas) a serem traçadas. Após a coleta, analisou-se o comportamento desses dados por meio de gráficos e análises estatísticas. Utilizou-se a técnica de Agrupamento Hierárquico e intervalo interquartil (IQR) para detecção e elimi- nação de valores discrepantes (outliers) que geram ruído aos dados. Por fim, treinou-se um modelo baseado em Rede Neural Recorrente para prever o erro médio da terceira sessão. Os resultados foram satisfatórios, uma vez que a forma do erro foi predita e a taxa de erro relativa foi de 78,12%. |
| Descrição: | Everyday tasks – for example, walking, writing, typing, etc. – involve motor skills. However, patients with motor diseases have difficulty performing these routine tasks. In view of this scenario, studies with an emphasis on motor learning for the acquisition of motor skills and rehabilitation of these skills are necessary to improve the quality of life of patients. The main purpose of this work was to apply Recurrent Neural Network to estimate when an individual will reach the desired performance level given a motor learning task. With that in mind, 20 volunteers performed the tracing task with the non- dominant hand (left hand) for the study and prediction of motor learning. This task was performed for three consecutive days (each day is a session). Each session contained ten blocks with ten words (trials) to be traced. After data collection, the behavior of these data was analyzed using graphs and statistical analysis. The technique of Hierarchical Clustering and interquartile range (IQR) was used to detect and remove outliers that generate noise in the data. Finally, a model based on Recurrent Neural Network was trained to predict the average error of the third session. The results were satisfactory, since the error form was predicted and the relative error rate was 78.12%. |
| URI: | http://hdl.handle.net/123456789/7638 |
| Aparece nas coleções: | TCCs de Graduação de Engenharia da Computação do Campus do Bacanga |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AlunoLucasCleopas___TCC.pdf | TCC de Graduação | 2,17 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.