Virtual rehabilitation using sequential learning algorithms

Show simple item record

dc.contributor.advisor Castro Gutierrez, Eveling Gloria
dc.contributor.author Calle Condori, Gladys Eliana
dc.date.accessioned 2021-01-17T13:42:31Z
dc.date.available 2021-01-17T13:42:31Z
dc.date.issued 2020
dc.identifier.uri http://hdl.handle.net/20.500.12773/11650
dc.description.abstract Los sistemas de rehabilitación están cobrando mayor importancia en la actualidad debido a que los pacientes pueden tener acceso al tratamiento de recuperación de habilidades motoras desde el hogar, reduciendo las limitaciones de tiempo, espacio y costo del tratamiento en un centro médico. Los sistemas de rehabilitación tradicionales servían como guías de movimientos, posteriormente como espejos de movimiento y en los últimos años las investigaciones buscan generar mensajes de retroalimentación al paciente en base a la evaluación de sus movimientos. Actualmente los algoritmos más usados para la evaluación de ejercicios son Dynamic time warping (DTW), Hidden Markov model (HMM), Support vector machine (SVM). Sin embargo cuanto mayor es el conjunto de ejercicios a evaluar, disminuye la precisión del reconocimiento, generándose confusiones entre ejercicios que tienen descriptores de postura similares. En el presente trabajo de investigación se compara dos clasificadores HMM y Hidden Conditional Random Fields (HCRF) además de dos tipos de descriptores de la postura, basados en puntos y basados en ángulos de la postura. La representación por puntos demuestra ser superior a la representación por ángulos, sim embargo esta última aún es aceptable. Mientras que en HCRF y HMM se encuentran resultados similares. es_PE
dc.description.uri Tesis es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional de San Agustín de Arequipa es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ es_PE
dc.source Universidad Nacional de San Agustín de Arequipa es_PE
dc.source Repositorio Institucional - UNSA es_PE
dc.subject Esqueleto Kinect es_PE
dc.subject Algoritmos de aprendizaje secuencial es_PE
dc.subject Rehabilitación virtual es_PE
dc.subject Terapia virtual es_PE
dc.title Virtual rehabilitation using sequential learning algorithms es_PE
dc.type info:eu-repo/semantics/bachelorThesis es_PE
thesis.degree.name Ingeniera de Sistemas es_PE
thesis.degree.grantor Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios es_PE
thesis.degree.level Titulo Profesional es_PE
thesis.degree.discipline Ingeniería de Sistemas es_PE
dc.subject.ocde https://purl.org/pe-repo/ocde/ford#2.02.00 es_PE
renati.advisor.dni 29695284
renati.advisor.orcid https://orcid.org/0000-0002-0203-041X es_PE
renati.author.dni 70299350
renati.discipline 612076 es_PE
renati.juror Silva Fernandez, Jesus Martin
renati.juror Castro Gutierrez, Eveling Gloria
renati.juror Sharhorodska, Olha
renati.level http://purl.org/pe-repo/renati/nivel#tituloProfesional es_PE
renati.type http://purl.org/pe-repo/renati/type#tesis es_PE
dc.publisher.country PE es_PE


Files in this item

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess

Search DSpace


Browse

My Account

Statistics