Defesa P\u00fablica da Disserta\u00e7\u00e3o de Mestrado do Engenheiro Eletricista Mariano Majolo<\/p>\n\n\n\n
Data: 12\/07\/2019 – sexta-feira
Hor\u00e1rio: 14h00min
Local: Sal\u00e3o de Eventos do Instituto Eletrot\u00e9cnico da UFRGS (Av. Osvaldo Aranha, n\u00ba 103 – 1\u00ba andar – Campus Centro)<\/p>\n\n\n\n
Banca examinadora:<\/p>\n\n\n\n
Prof. Dr. Francisco Jos\u00e9 Fraga da Silva, PPG em Engenharia da Informa\u00e7\u00e3o – CECS – UFABC
Prof. Dr. Raphael Martins Brum, DELET-UFRGS
Prof. Dr. Altamiro Amadeu Susin, PPGEE-UFRGS
Orientador: Prof. Dr. Alexandre Balbinot – PPGEE – UFRGS<\/p>\n\n\n\n
T\u00edtulo da Disserta\u00e7\u00e3o: “M\u00c1QUINA DE VETORES DE SUPORTE EMBARCADA EM HARDWARE PARA CLASSIFICA\u00c7\u00c3O DE SINAIS MIOEL\u00c9TRICOS”<\/p>\n\n\n\n
Resumo:<\/p>\n\n\n\n
“Sinais mioel\u00e9tricos s\u00e3o foco de muitos estudos que visam melhorar a capacidade motora de pessoas amputadas ao propor pr\u00f3teses eletromec\u00e2nicas cada vez mais inteligentes. Estudos aplicam t\u00e9cnicas de aprendizado de m\u00e1quina a estes sinais e prop\u00f5em sistemas que preveem movimentos com taxa de acerto acima de 90% para alguns sujeitos. Para atingir estas altas taxas de acerto, por\u00e9m, o algoritmo de aprendizado deve treinar por minutos ou horas, tempo que acompanha toda e qualquer calibra\u00e7\u00e3o e que prejudica a populariza\u00e7\u00e3o de sistemas realimentados nesta \u00e1rea. Com o objetivo de acelerar o processo de treinamento, este trabalho prop\u00f5e embarcar o sistema em uma FPGA j\u00e1 que estudos mostram que tem capacidade de reduzir o tempo necess\u00e1rio para aprendizado, e sistemas em hardware s\u00e3o pouco explorados pela literatura especializada. O sistema proposto consiste no desenvolvimento de m\u00f3dulos em VHDL para o filtro digital, extra\u00e7\u00e3o de caracter\u00edsticas, treinamento de M\u00e1quinas de Vetores de Suporte, valida\u00e7\u00e3o e classifica\u00e7\u00e3o embarcados na FPGA. Ensaios com a base de dados Ninapro indicam taxas de acerto acima de 70% no aprendizado de 10 movimentos executados por alguns sujeitos n\u00e3o amputados ap\u00f3s 10 s de treinamento, e acima de 50% quando os movimentos s\u00e3o executados por alguns sujeitos amputados. O sujeito que obteve as maiores taxas de acerto foi o sujeito 33 da base de dados, com os valores de 74,6% e 78,5% ap\u00f3s 75 ms e 10 s de treinamento respectivamente. Apesar das taxas de classifica\u00e7\u00e3o obtidas serem inferiores \u00e0s observadas na literatura, o sistema se mostra promissor pela sua velocidade de aprendizado (~1,76 \u00e9pocas\/ms) e pelos v\u00e1rios pontos que ainda podem ser explorados com o objetivo de aumentar a taxa de acerto.<\/p>\n\n\n\n
Palavras-chave: sEMG, SVM, Intelig\u00eancia Computacional Embarcada, FPGA.”<\/p>\n","protected":false},"excerpt":{"rendered":"
Defesa P\u00fablica da Disserta\u00e7\u00e3o de Mestrado do Engenheiro Eletricista Mariano Majolo Data: 12\/07\/2019 – sexta-feiraHor\u00e1rio: 14h00minLocal: Sal\u00e3o de Eventos do Instituto Eletrot\u00e9cnico da UFRGS (Av. Osvaldo Aranha, n\u00ba 103 – 1\u00ba andar – Campus Centro) Banca examinadora: Prof. Dr. Francisco Jos\u00e9 Fraga da Silva, PPG em Engenharia da Informa\u00e7\u00e3o – CECS – UFABCProf. Dr. Raphael… Continue a ler »Defesa de Disserta\u00e7\u00e3o de Mestrado – Mariano Majolo<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"neve_meta_sidebar":"","neve_meta_container":"","neve_meta_enable_content_width":"","neve_meta_content_width":0,"neve_meta_title_alignment":"","neve_meta_author_avatar":"","neve_post_elements_order":"","neve_meta_disable_header":"","neve_meta_disable_footer":"","neve_meta_disable_title":"","footnotes":""},"categories":[4],"tags":[],"class_list":["post-296","post","type-post","status-publish","format-standard","hentry","category-eventos"],"_links":{"self":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts\/296","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/comments?post=296"}],"version-history":[{"count":0,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts\/296\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/media?parent=296"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/categories?post=296"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/tags?post=296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}