జర్నల్ ఆఫ్ రిమోట్ సెన్సింగ్ & GIS

నైరూప్య

మోటార్ ఇమేజరీ ఆధారిత BCIని మెరుగుపరచడానికి ఒక నవల త్రిమితీయ సంభావ్యత ఆధారిత వర్గీకరణ

అడ్రియన్ యాష్లే

పరిచయం: మోటార్ ఇమేజరీ BCI ఆధారిత సహాయక రోబోటిక్స్ సొల్యూషన్ ఒక వికలాంగ వ్యక్తి యొక్క ఎగువ చలనశీలత స్వతంత్రతను శక్తివంతం చేసే సామర్థ్యాన్ని కలిగి ఉంటుంది. ఈ పని యొక్క లక్ష్యం బాగా స్థిరపడిన వర్గీకరణల వర్గీకరణ పనితీరును ఒక నవల ప్రోటోటైప్ వర్గీకరణతో పోల్చడం. విధానం: LIDAR సెన్సార్‌ల సహకారంతో వస్తువును తెరవడానికి మరియు గ్రహించడానికి సహాయక రోబోటిక్ కృత్రిమ చేతిని పెంచడానికి భవిష్యత్ లక్ష్యంతో రచయిత అనుకూల నిర్ణయం ఉపరితల ADS వర్గీకరణను అభివృద్ధి చేశారు. గ్రాజ్ యూనివర్శిటీ ఆఫ్ టెక్నాలజీ నుండి BCI పోటీ IV డేటాసెట్ 2a నుండి శిక్షణ డేటా సెట్‌తో ADS శిక్షణ పొందింది. ప్రధాన ఫలితాలు: ఆఫ్‌లైన్ పరీక్షలలో వర్గీకరణ ఖచ్చితత్వం నాన్-అడాప్టివ్ ADSని ఉపయోగించి 76.06 % క్లాస్ 1 మరియు 81.50 % క్లాస్ 2కి మరియు అడాప్టివ్ ADS వర్గీకరణలను ఉపయోగించి 79.55 % క్లాస్ 1 మరియు 99.69 % క్లాస్ 2కి చేరుకుంది. ముగింపు: రచయిత మోటార్ ఇమేజరీ డేటాసెట్‌లతో ఉపయోగించే ప్రోటోటైప్ అడాప్టివ్ డెసిషన్ క్లాసిఫైయర్‌ను చూపుతుంది.