En este documento nos enfocamos en la captura de movimiento del brazo humano, motivada por los requisitos en la rehabilitación física y entrenamiento de pacientes con accidente cerebrovascular de la misma manera que el monitoreo de las actividades de personas mayores. La metodología propuesta utiliza una fusión de datos de sensores MEMS de bajo costo y bajo peso junto con un conocimiento a priori de la anatomía del brazo. El objetivo principal es estimar la posición del brazo, los movimientos anatómicos del hombro y sus aceleraciones. Proponemos un enfoque basado en optimización discreta que busca buscar directamente la ambigüedad de actitud óptima sin decorrelación de ambigüedad, y calcular el vector de línea base en consecuencia. La originalidad de este documento es aplicar la optimización discreta para rastrear la trayectoria deseada de un sistema no lineal como el Movimiento Humano en presencia de incertidumbres. La convergencia asintótica global del observador no lineal está garantizada. Pruebas extensas de la metodología presentada con datos del mundo
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Efectos de la gravedad y la ubicación de entrada/salida en una imbibición cocorriente de dos fases en medios porosos.
Artículos:
Análisis de estabilidad de pandeo para pilotes en la cimentación de taludes basado en la teoría de catástrofes de cúspide
Artículos:
Esquema de diferencia de alto orden rápido para la ecuación de subdifusión anómala modificada basado en la Transformada Sine Discreta Rápida.
Artículos:
Resolubilidad de una Clase de Inclusiones Integrales
Artículos:
Un nuevo mapa caótico híbrido y su aplicación al cifrado y ocultación de imágenes
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos