مدل جعبه سیاهِ دست فلج برای کاربرد کنترل حرکت رسش به کمک fes در افراد با آسیب نخاعی

یکی از مسائل کلیدی در نایل شدن به کنترل موفق fes، استفاده از یک مدل مناسب و صحیح از سیستم تحت تحریک الکتریکی است که به میزان کافی بیان کننده ی رفتار آن سیستم باشد. مدل های محاسباتی کلاسیک که به طور متعارف برای این منظور استفاده می شوند، ماهیتی جزء نگر دارند؛ بنابراین نمی توانند اندرکنش موجود در سیستم بیولوژیک را لحاظ کنند. با توجه به این محدودیت ها، اخیرا مدل های رفتاری که جعبه سیاه هستند اغلب استفاده می شوند. این مدل ها روی دینامیک ورودی/ خروجی، که همانا اطلاعات مورد نیاز مدل سازی برای طراحی کنترل است تمرکز دارند؛ بدین ترتیب به سیستم به عنوان یک کل، که تعاملات بین اجزا را در خود نهفته دارد، پرداخته می شود.  تاکنون چنین مدلی برای حرکت مفصل آرنج ارائه نشده است. از این رو در این پژوهش، با استفاده از شبکه های عصبی دینامیک، شامل شبکه های جلوسو با تاخیر زمانی و بازگشتی، به ارائه و اعتبارسنجیِ یک مدل جعبه سیاه از حرکت مفصل آرنج در صفحه ی افق، برای کابردهای کنترل حرکت رساندن دست، در افرادی با ضایعه ی نخاعی 6c/‍5cپرداخته شده است. نهایت انعطاف پذیری معماری جلوسو با تاخیر زمانی، در یک ساختار دو لایه با 5 نورون پنهان و استفاده از 25/1 ثانیه از سوابق ورودی، با شاخص عملکرد ضریب همبستگی متقابل %86/89 و نرمالیزه شده­ی میانگین مربعات خطای % 85/4 رخ داد و به عنوان مدلِ برگزیده ی این معماری معرفی گردید. بهترین شبکه ی بازگشتی با معماری narx و تعداد سوابق ورودی و خروجی ِ برابر نیز، در ساختاری دو لایه با 12 نورون در لایه ی پنهان و استفاده از 1/0 ثانیه از سوابق، با شاخص عملکرد همبستگی متقابل %50/92  و نرمالیزه شده­ی میانگین مربعات خطای % 06/4 رخ داد و به عنوان مدلِ برگزیده ی این معماری معرفی گردید. مقایسه­ی بهترین نتایج آموزش با استفاده از شبکه جلوسو از هر دو جنبه­ی کمی و کیفی به شکل آشکاری بیان­ کننده ی برتری شبکه­های بازگشتی در شناسایی سیستم مورد مطالعه است.