Thus multi-position classifiers wer

Thus multi-position classifiers were trained only using
EMG data from multiple arm positions (P1-P5) and tested
using EMG data from all five arm positions. The average
classification errors of 31 movement classifiers (26 multiple
positions plus 5 single position) from the amputated arms
of all five subjects were calculated and are presented in
Figure 6(a). For the sake of comparison, the average error
bars from subjects’ intact arms were also calculated and
are plotted in Figure 6(a). Generally speaking, the average
classification error gradually decreased along with more
arm positions including in classifier training. When the
EMG data from all five arm positions were involved in the
training set, the average classification error reached a minimum
value of around 10.8% for the amputated arm and
10.3% for the intact arms, as shown in Figure 6(b). It is
noteworthy that in most of the 31 motion classifiers, the

ผลลัพธ์ (ไทย) 1:

ดังนั้น คำนามภาษาหลายตำแหน่งมีฝึกใช้
ข้อมูลดำรงหลายตำแหน่ง (P1-P5) แขน และทดสอบ
ใช้กล้ามข้อมูลจากตำแหน่งแขนห้าทั้งหมด เฉลี่ย
ข้อผิดพลาดในการจัดประเภทของคำนามภาษาเคลื่อนไหว 31 (หลาย 26
ตำแหน่งบวก 5 ตำแหน่งเดียว) จากแขน amputated
5 เรื่องทั้งหมดคำนวณได้ และจะแสดง
คิด 6(a) เพื่อเปรียบเทียบ ข้อผิดพลาดเฉลี่ย
บาร์จากแผ่นดินเหมือนเดิมของเรื่องยังได้คำนวณ และ
พล็อตในรูป 6(a) โดยทั่วไปการพูด เฉลี่ย
ประเภทข้อผิดพลาดลดลงเรื่อย ๆ พร้อมกับเพิ่มเติม
แขนตำแหน่งรวมถึงฝึกอบรม classifier เมื่อ
ข้อมูลดำรงตำแหน่งแขนห้าทั้งหมดเกี่ยวข้องกับการ
ชุดการฝึกอบรม ข้อผิดพลาดประเภทเฉลี่ยถึงน้อย
ค่าประมาณ 108% สำหรับ and
10.3% amputated แขนสำหรับแขนเหมือนเดิม เป็นแสดงในรูป 6(b) เป็น
น่าสนใจที่สุดของคำนามภาษาการเคลื่อนไหว 31,

ผลลัพธ์ (ไทย) 2:

ดังนั้นแยกแยะหลายตำแหน่งที่ได้รับการฝึกอบรมเฉพาะการใช้
ข้อมูล EMG จากตำแหน่งแขนหลาย (P1-P5) และผ่านการทดสอบ
โดยใช้ข้อมูลอีเอ็มจากทุกตำแหน่งห้าแขน เฉลี่ย
ความผิดพลาดของการจัดหมวดหมู่ 31 แยกแยะการเคลื่อนไหว (26 หลาย
ตำแหน่งรวม 5 ตำแหน่งเดียว) จากแขนด้วน
ทั้งห้าวิชาที่มีการคำนวณและถูกนำเสนอใน
รูปที่ 6 (ก) เพื่อประโยชน์ในการเปรียบเทียบความผิดพลาดเฉลี่ย
บาร์จากวิชาที่แขนยังคงถูกคำนวณและ
นำมาลงจุดในรูปที่ 6 (ก) โดยทั่วไปค่าเฉลี่ยของ
ข้อผิดพลาดในการจัดหมวดหมู่ค่อยๆลดลงพร้อมกับการขึ้น
ตำแหน่งแขนรวมทั้งในการฝึกอบรมลักษณนาม เมื่อ
ข้อมูลอีเอ็มจากทุกตำแหน่งห้าแขนมีส่วนร่วมใน
การฝึกอบรมชุด, ข้อผิดพลาดการจำแนกเฉลี่ยต่ำสุดถึง
ค่าประมาณ 10.8% สำหรับแขนด้วนและ
10.3% สำหรับแขนเหมือนเดิมดังแสดงในรูปที่ 6 (ข) มันเป็น
น่าสังเกตว่าในส่วนของ 31 แยกแยะการเคลื่อนไหว

ผลลัพธ์ (ไทย) 3:

ดังนั้นหลายตำแหน่ง คือได้รับการฝึกการใช้กล้ามเนื้อแขนหลายตำแหน่งข้อมูลจาก

( p1-p5 ) และทดสอบโดยใช้ข้อมูลจากทั้งห้าตำแหน่งกล้ามเนื้อแขน โดย
ข้อผิดพลาดการจำแนก 31 เคลื่อนไหวลักษณนาม ( ตำแหน่ง 26 หลาย
บวก 5 ตำแหน่งเดียว ) จากด้วนแขน
ทั้งหมดห้าจำนวนที่คำนวณ และแสดงในรูปที่ 6
( A ) เพื่อประโยชน์ในการเปรียบเทียบค่าเฉลี่ยความผิดพลาด
บาร์จากวิชาแขนเหมือนเดิม ยังคิดจะวางแผนในรูปที่ 6
( A ) พูดโดยทั่วไป , ข้อผิดพลาดการจำแนกเฉลี่ยลดลงเรื่อย ๆพร้อมกับเพิ่มเติม

แขนตำแหน่งรวมทั้งการฝึกอบรมลักษณนาม เมื่อ
EMG ข้อมูลจากทั้งห้าตำแหน่งแขนด้วย
ชุดฝึกอบรม การเฉลี่ยถึงข้อผิดพลาดน้อยที่สุด
มูลค่าประมาณ 108 % สำหรับด้วนแขน
10.3% สำหรับแขนเหมือนเดิม ดังแสดงในรูปที่ 6 ( B ) มันคือ
น่าสังเกตว่าในส่วนของ 31 เคลื่อนไหวตาม ,