5. CONCLUSION AND FUTURE WORKSIn this paper, a new method for monitori dịch - 5. CONCLUSION AND FUTURE WORKSIn this paper, a new method for monitori Việt làm thế nào để nói

5. CONCLUSION AND FUTURE WORKSIn th

5. CONCLUSION AND FUTURE WORKS
In this paper, a new method for monitoring abnormalities in a human gait was proposed. The proposed method is based
on the fuzzy logic that detects phases in a human gait. From the outputs of the fuzzy logic, two abnormalities are
monitored by the proposed algorithms: 1) abnormality in the patterns of ground contact forces, and 2) abnormality in the
sequence of the gait phases. Each quantity is complementary, and a human gait can be monitored and analyzed
quantitatively by the proposed method.
The proposed method was verified by experiments. For measurement of the ground contact forces, the subject wore the
Smart Shoes developed by Kong and Tomizuka [4].
Since a means for monitoring abnormalities as well as the gait phases in a human gait is developed, a gait monitoring
device for patients with walking problems is under development in collaboration with University of California, San
Francisco. The device will apply the method proposed in this paper, and is expected to help the patients resume the
normal gait.
4.3 Detection of Abnormalities in Gait Phase Sequence
The vector analysis provides complementary information. As stated above, the cross product of the gait phase vector and
its time derivative (Eq. (6)) should have positive components. Fig. 12 shows the results of the vector analysis for
experiments in Fig. 7. In the figure, every component of Eq. (6) is plotted regardless of the direction of the vector. Fig.
12(a)-(c) correspond to the experiments in Fig. 7(a)-(c), respectively. Note that the vector for a normal gait has positive
components all the time as shown in Fig. 12(a), while Fig. 12(b) and (c) show negative values for some times. For
example, Fig. 12(b) has negative values at between 3sec. and 5sec., where the pre-swing phase was detected abnormally
(see the same time in Fig. 9(b)). Therefore, the abnormality can be detected by the vector analysis method even though
the scaling factor does not observe it.
0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
5. KẾT LUẬN VÀ CÁC CÔNG TRÌNH TRONG TƯƠNG LAITrong bài báo này, một phương pháp mới để theo dõi bất thường trong một dáng đi của con người đã được đề xuất. Các phương pháp được đề xuất dựatrên logic mờ mà phát hiện giai đoạn trong một dáng đi của con người. Từ kết quả đầu ra logic mờ, hai bất thườngGiám sát bởi các thuật toán được đề xuất: 1) bất thường trong các mô hình của lực lượng liên lạc mặt đất, và 2) bất thường trong cáctrình tự của các giai đoạn dáng đi. Mỗi số lượng là bổ sung, và một dáng đi của con người có thể được theo dõi và phân tíchđịnh bằng phương pháp được đề xuất.Các phương pháp được đề xuất được xác nhận bởi các thí nghiệm. Đo lường của các lực lượng mặt đất liên lạc, các chủ đề mặc cácGiày thông minh phát triển bởi Kong và Tomizuka [4].Kể từ khi một phương tiện để theo dõi bất thường cũng như dáng đi giai đoạn trong một dáng đi của con người được phát triển, một dáng đi giám sátthiết bị cho các bệnh nhân với vấn đề đi bộ là đang được phát triển trong hợp tác với đại học California, SanFrancisco. Thiết bị sẽ áp dụng các phương pháp được đề xuất trong bài báo này, và dự kiến sẽ giúp bệnh nhân tiếp tục cácdáng đi bình thường.4.3 phát hiện bất thường trong dáng đi giai đoạn trình tựCác phân tích vector cung cấp thông tin bổ sung. Như đã nêu ở trên, sản phẩm chéo của véc tơ giai đoạn dáng đi vàcủa nó bắt nguồn từ thời gian (Eq. (6)) nên có thành phần tích cực. Hình 12 cho thấy các kết quả của các phân tích vector chothí nghiệm trong hình 7. Trong hình, mỗi thành phần của Eq. (6) âm mưu bất kể sự chỉ đạo của vector. Hình.12(a)-(c) tương ứng với các thí nghiệm trong hình 7(a)-(c), tương ứng. Lưu ý rằng các véc tơ cho một dáng đi bình thường đã tích cựcCác thành phần tất cả thời gian như minh hoạ trong hình 12(a), trong khi hình 12(b) và (c) Hiển thị tiêu cực giá trị cho một số lần. ChoVí dụ, hình 12(b) có tiêu cực giá trị tại giữa 3sec. và 5sec., nơi giai đoạn trước swing được phát hiện bất thường(xem cùng một lúc trong hình 9(b)). Vì vậy, bất thường có thể được phát hiện bằng phương pháp phân tích vector mặc dùHệ số tỉ lệ không quan sát nó.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
5. KẾT LUẬN VÀ CÔNG TRÌNH TƯƠNG LAI
Trong bài báo này, một phương pháp mới để theo dõi những bất thường trong một dáng đi của con người đã được đề xuất. Các phương pháp được đề xuất dựa
trên logic mờ phát hiện giai đoạn trong một dáng đi của con người. Từ các kết quả đầu ra của logic mờ, hai bất thường được
giám sát bởi các thuật toán đề xuất: 1) bất thường trong các mô hình của các lực lượng tiếp xúc mặt đất, và 2) sự bất thường trong
chuỗi các giai đoạn dáng đi. Mỗi lượng là bổ sung, và một dáng đi của con người có thể được theo dõi và phân tích
định lượng bằng các phương pháp được đề xuất.
Các phương án đề xuất đã được kiểm chứng bằng thực nghiệm. Để đo lường của các lực lượng tiếp xúc mặt đất, đối tượng mặc
Giày thông minh được phát triển bởi Kông và Tomizuka [4].
Từ một phương tiện để theo dõi những bất thường cũng như các giai đoạn dáng đi trong một dáng đi của con người được phát triển, một dáng đi giám sát
thiết bị cho bệnh nhân đi bộ vấn đề đang được phát triển trong sự hợp tác với trường Đại học California, San
Francisco. Thiết bị này sẽ áp dụng các phương pháp được đề xuất trong bài báo này, và được kỳ vọng sẽ giúp các bệnh nhân tiếp tục
dáng đi bình thường.
4.3 Phát hiện bất thường trong Gait Giai đoạn trình tự
các phân tích vector cung cấp thông tin bổ sung. Như đã nêu ở trên, các sản phẩm chéo của vector pha dáng đi và
phái sinh thời gian của mình (Eq. (6)) nên có các thành phần dương. Vả. 12 cho thấy kết quả của việc phân tích vector cho
các thí nghiệm trong hình. 7. Trong hình, mọi thành phần của phương trình. (6) được vẽ bất kể hướng của vector. Vả.
12 (a) - (c) tương ứng với các thí nghiệm trong hình. 7 (a) - (c), tương ứng. Lưu ý rằng các vector cho một dáng đi bình thường có dương tính
linh kiện tất cả các thời gian như thể hiện trong hình. 12 (một), trong khi hình. 12 (b) và (c) cho thấy giá trị âm cho một số lần. Ví
dụ, hình. 12 (b) có giá trị âm ở giữa trong 3 giây. và 5sec., nơi mà giai đoạn pre-đu đã được phát hiện một cách bất thường
(xem thời trong hình. 9 (b)). Do đó, sự bất thường có thể được phát hiện bằng các phương pháp phân tích vector mặc dù
các yếu tố rộng không quan sát nó.
đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2024 I Love Translation. All reserved.

E-mail: