in order to assess the change of hu

in order to assess the change of human
gait function. For instance, the artificial neural network (ANN)
based on machine learning algorithm has been employed for
the automated recognition of gait pattern change using the
different kinds of gait data[1,2]. Holzreiter and Kohle applied
ANN to identify normal and pathological gait by using kinetics
data[1]. Lees and Barton used ANN to discriminate the
different gait patterns based on gait features extracted from hip
and knee joint-angle measures. As we know, in gait
classification algorithms, the classification performance mainly
rely on the extracted or selected gait features from the initial
gait variables, that is, pre-processing for initial gait variables is
the first important step for improving classification
performance[3,4].

ผลลัพธ์ (ไทย) 1:

เพื่อประเมินการเปลี่ยนแปลงของมนุษย์เดินฟังก์ชัน ตัวอย่าง แบบโครงข่ายประสาทเทียม (แอน)ตามเครื่องจักรเรียนรู้อัลกอริทึมมีการจ้างงานสำหรับเปลี่ยนแปลงการรู้รูปเดินแบบอัตโนมัติโดยใช้การชนิดต่าง ๆ ข้อมูลการเดิน [1, 2] Holzreiter และ Kohle ที่ใช้แอนน์ระบุเดินปกติ และทางพยาธิวิทยาโดยจลนพลศาสตร์ข้อมูล [1] ลีส์และบาร์ตันใช้แอนถือพรรคถือพวกรูปเดินแตกต่างกันตามลักษณะการเดินแยกจากปและเข่าร่วมมุม เท่าที่เรารู้ เดินอัลกอริทึมการจัดประเภท ประเภทประสิทธิภาพส่วนใหญ่ใช้คุณลักษณะแยก หรือเลือกเดินจากต้นจะเดินตัวแปร คือ ประมวลผลเบื้องต้นสำหรับตัวแปรเริ่มต้นเดินขั้นตอนแรกที่สำคัญสำหรับการปรับปรุงการจัดประเภทประสิทธิภาพ [3, 4]

ผลลัพธ์ (ไทย) 2:

เพื่อประเมินการเปลี่ยนแปลงของมนุษย์ฟังก์ชั่นการเดิน
ยกตัวอย่างเช่นเครือข่ายประสาทเทียม (ANN)
ขึ้นอยู่กับขั้นตอนวิธีการเรียนรู้เครื่องได้รับการว่าจ้างสำหรับการรับรู้โดยอัตโนมัติรูปแบบการเดินการเปลี่ยนแปลงการใช้ที่แตกต่างกันของข้อมูลการเดิน[1,2] Holzreiter และ Kohle ใช้ANN ในการระบุการเดินปกติและพยาธิวิทยาโดยใช้จลนศาสตร์ข้อมูล[1] กากและบาร์ตันใช้ ANN ในการแยกแยะรูปแบบการเดินที่แตกต่างกันตามลักษณะการเดินที่สกัดจากสะโพกและหัวเข่ามาตรการร่วมกันมุม ที่เรารู้ว่าการเดินในขั้นตอนวิธีการจัดหมวดหมู่ผลการดำเนินงานการจัดหมวดหมู่ส่วนใหญ่ขึ้นอยู่กับคุณสมบัติการเดินสกัดหรือเลือกจากเริ่มต้นตัวแปรเดิน, ที่อยู่, ก่อนการประมวลผลสำหรับตัวแปรการเดินเริ่มต้นขั้นตอนแรกที่สำคัญสำหรับการปรับปรุงการจัดหมวดหมู่ประสิทธิภาพ[3,4 ]

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินการเปลี่ยนแปลงของการทำงานของมนุษย์

เช่น โครงข่ายประสาทเทียม ( ANN )
บนพื้นฐานของอัลกอริทึมได้ถูกใช้สำหรับการเปลี่ยนรูปแบบอัตโนมัติ

การเดินโดยใช้ชนิดที่แตกต่างกันของการเดินข้อมูล [ 1 , 2 ] และใช้ holzreiter kohle
แอน ระบุปกติและพยาธิสภาพการเดินโดยใช้ข้อมูลจลนศาสตร์
[ 1 ]และใช้กากบาร์ตันแอนจำแนกตามลักษณะของลวดลายแตกต่างกัน

การเดินสกัดจากสะโพกและข้อเข่าและมุมวัด อย่างที่เราทราบ ขั้นตอนวิธีการในการจำแนกประสิทธิภาพการเดิน

ส่วนใหญ่พึ่งพาได้ หรือเลือกเดินคุณสมบัติจากเริ่มต้น
การเดินตัวแปร คือ ตัวแปรการประมวลผลสำหรับการเดินครั้งแรก
เป็นขั้นตอนสำคัญในการปรับปรุงประสิทธิภาพการจำแนก
[ 3 , 4 ]