作者:陈超强,蒋磊,王恒 单位:华北计算技术研究所 出版:《计算机工程与应用》2019年第12期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFJSGG2019120160 DOC编号:DOCJSGG2019120169 下载格式:PDF + Word/doc 文字可复制、可编辑
《下肢助力外骨骼服传感靴的优化设计》PDF+DOC2015年第02期 赵浩,莫新民,纪平鑫,周加永,吕启元 《下肢动力外骨骼设计分析与实验》PDF+DOC2020年第05期 宁崴,李刚,宋振东,陈伟,武桐 《外骨骼穿戴式康复机器人研究综述》PDF+DOC2019年第03期 杨海乐,朱惠盈,林星羽 《一种新型穿戴式下肢外骨骼机器人的设计》PDF+DOC2019年第03期 魏小东,喻洪流,孟青云,胡冰山,孟巧玲,曹武警 《基于多变量LSTM的工业传感器时序数据预测》PDF+DOC2018年第05期 易利容,王绍宇,殷丽丽,杨青,顾欣 《传感器输出时间序列实时预测方法的比较研究》PDF+DOC2011年第11期 刘志成,彭红星 《下肢外骨骼助力装置设计》PDF+DOC2014年第09期 伍宏芳,王佳流,史腾达,侯俊鹏,闫磊 《基于神经网络及时间序列混合模型的桥梁健康监测系统缺失数据填补》PDF+DOC2011年第04期 昝昕武,平春蕾,符欲梅 《下肢外骨骼服传感靴的结构优化分析》PDF+DOC2010年第01期 曹恒,贺成坤,孟宪伟,凌正阳 《基于稀疏表达和RBF神经网络的交通流预测方法》PDF+DOC2014年第05期 史世雄,王敏捷
  • 提出一种基于栈式自动编码器(Stacked Auto Encoder,SAE)和长短时记忆(Long Short-Term Memory,LSTM)神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性,通过将下肢运动信息作为输入,步态作为输出,构建SAE-LSTM神经网络模型,并利用Keras对SAELSTM神经网络进行搭建和验证。实验结果表明,SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息,平均准确率能够达到92.9%以上。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。