Eficiência de diferentes redes neurais para discriminar dados de biomecânica / Efficiency of different neural networks algorithms to discriminate biomechanical data

RESUMO

Este estudo analisou a eficiência de diferentes algoritmos de máquina de vetor de suporte (SVM) para discriminar dados de diferentes sujeitos. Utilizou-se dados previamente coletados de idosos e jovens com 3 coletas por sujeito, em um estudo de controle postural na plataforma de força. Os dados foram analisados a partir da densidade espectral de potência (PSD) do centro de pressão sobre a qual foi aplicada a análise de componentes principais (PCA) para reduzir a dimensionalidade dos dados. A SVM recebeu a PCA com 90% de variância da PSD original e utilizando diferentes núcleos de produto interno calculou a eficiência de cada um para diferenciar grupos com características distintas.A SVM que obteve o melhor desempenho foi a de núcleo Polinomial, com uma eficiência de 90% aproximadamente, no entanto, o resultado é dependente dos dados a serem classificados, e se faz necessário então uma ferramenta que possa utilizar diferentes núcleos.

ABSTRACT

This study analyze the efficiency of different algorithms of support vector machine (SVM) to discriminate data from different subjects. It was used data previously collected from elderly and young people with 3 collectionsby subject, in a postural control study on a force plate. Data were analyzed from the power spectral density (PSD)of the center of pressure on which was applied principal component analysis (PCA) to reduce the dimensionality ofthe data. The SVM received the PCA with 90% of the variance of the original PSD and using different inner productkernels was calculated the efficiency of each one to differentiate between groups with different characteristics. TheSVM that have the best performances was the Polynomial with an efficiency of 90% approximately, however, the result depends on data to be classified and it is necessary then a tool that can use different cores.