مدل جعبه سیاهِ دست فلج برای کاربردِ کنترل حرکت رسش به‌کمک 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 به‌میزان کافی بیان‌کننده‌ی رفتار آن سیستم باشد. مدل‌های محاسباتی کلاسیک که به‌طور متعارف برای این منظور استفاده می‌شوند، ماهیتی جزء‌نگر دارند؛ بنابراین نمی‌توانند اندرکنش موجود در سیستم بیولوژیک را لحاظ کنند. با توجه به این محدودیت‌ها، اخیرا مدل‌های رفتاری که جعبه سیاه هستند اغلب استفاده می‌شوند. این مدل‌ها روی دینامیک ورودی/ خروجی، که همانا اطلاعات مورد نیاز مدل‌سازی برای طراحی کنترل است تمرکز دارند؛ بدین‌ترتیب به سیستم به عنوان یک کل، که تعاملات بین اجزا را در خود نهفته دارد، پرداخته می‌شود.  تاکنون چنین مدلی برای حرکت مفصل آرنج ارائه نشده است. از این رو در این پژوهش، با استفاده از شبکه‌های عصبی دینامیک، شامل شبکه‌های جلوسو با تاخیر زمانی و بازگشتی، به ارائه و اعتبارسنجیِ یک مدل جعبه سیاه از حرکت مفصل آرنج در صفحه‌ی افق، برای کابردهای کنترل حرکت رساندن دست، در افرادی با ضایعه‌ی نخاعی 6C/‍5Cپرداخته شده است. نهایت انعطاف‌پذیری 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 به‌عنوان مدلِ برگزیده‌ی این معماری معرفی گردید. بهترین شبکه‌ی بازگشتی با معماری NARX و تعداد سوابق ورودی و خروجی‌ِ برابر نیز، در ساختاری دو لایه با 12 نورون در لایه‌ی 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 به‌عنوان مدلِ برگزیده‌ی این معماری معرفی گردید. مقایسه‌ی بهترین نتایج آموزش با استفاده از شبکه جلوسو از هر دو جنبه‌ی کمی و کیفی به شکل آشکاری بیان‌‌کننده‌ی برتری شبکه‌های بازگشتی در شناسایی سیستم مورد مطالعه است.