Resumen

Las señales de electromiografía (EMG) se pueden utilizar para aplicaciones clínicas/biomédicas e interacción moderna entre humano y computadora. Las señales de EMG adquieren ruido mientras viajan a través del tejido, ruido inherente en el equipo electrónico, ruido ambiental, y así sucesivamente. Se estudia el enfoque de las ANN para la reducción de ruido en la señal de EMG. En este documento se muestra que la Red Neuronal Recurrente con Retraso Temporal Enfocado (FTLRNN, por sus siglas en inglés) puede resolver de manera elegante la reducción del ruido de la señal de EMG. Después de rigurosas simulaciones por computadora, los autores desarrollaron un modelo óptimo de FTLRNN, que elimina el ruido de la señal de EMG. Los resultados muestran que el modelo óptimo propuesto de FTLRNN tiene un MSE (Error Cuadrático Medio) tan bajo como 0.000067 y 0.000048, coeficiente de correlación tan alto como 0.99950

• Materias:Algoritmo genético Agrupamiento difuso Memoria gamma Controlador Neuro-Fuzzy
• Subjects:Genetic algorithm Fuzzy clustering Gamma memory Neuro-Fuzzy Controller
• Palabras claves:Electromiografía; Señales; Reducción de ruido; Modelo FTLRNN; MSE; Red neuronal
• Keywords:Electromyography; Signals; Noise reduction; FTLRNN model; MSE; Neural network