The Hybrid LVQ Learning Algorithm for EMG Pattern Recognition

근전도 패턴인식을 위한 혼합형 LVQ 학습 알고리즘

In this paper, we design the hybrid learning algorithm of LVQ which is to perform EMG pattern recognition. The proposed hybrid LVQ learning algorithm is the modified Counter Propagation Networks(C.p Net. ) which is use SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of LVa. The weights of the proposed C.p. Net. which is between input layer and subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVd algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights which is between subclass layer and class layer of C.p. Net. is learned to classify the classified subclass. which is enclosed a class . To classify the pattern vectors of EMG. the proposed algorithm is simulated with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

본 논문에서는 근전도 패턴인식을 수행하기 위한 혼합 LVQ 학습 알고리즘을 설계하였다. 제안된 혼합 LVQ 학습 알고리즘은 초기 참조벡터의 학습을 위해 SOM을 이용하고, LVQ 출력뉴런의 부류지정을 위하여 out-star학습법을 사용하는 변형된 C.p Net.이다. 제안된 C.p. Net.의 입력 층과 종속 클래스 층 사이의 연결강도는 SOM과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였고, 패턴벡터를 종속 클래스 층의 뉴런에 의해 종속 클래스로 분류하고, C.p. Net.의 종속 클래스 층과 클래스 층 사이의 연결강도는 분류된 종속 글래스를 클래스로 지정하는 학습을 하게 된다 근전도 패턴 분류를 위하여 제안된 학습알고리즘을 이용하여 시뮬레이션 되었고 기존의 LVQ 학습방식 보다 우수한 분류성공률을 확인하였다.