Aplicação da RNA

O código gerado pela aplicação ‘Neural Network Fitting Tool’ do MATLAB permite gerar

automaticamente uma RNA, sendo apenas necessário introduzir: a matriz de entrada; a matriz de saída; o número de neurónios; e a percentagem de amostras que devem de ser consideradas para treino, validação e teste da rede. O Anexo E apresenta o código utilizado neste trabalho para gerar várias RNAs e selecionar a melhor, para cada um dos géneros. O código desenvolvido foi baseado no código gerado pela aplicação ‘Neural Network Fitting Tool’ e permite que o programa, de forma autónoma, treine e teste várias redes com diferentes números de neurónios e selecione a rede com melhores resultados estatísticos. No final o programa guarda uma matriz com os parâmetros e os resultados estatísticos de cada um dos

TIC PARA GERAR MARCHA DE REFERÊNCIA CAPÍTULO 3 testes realizados; a rede neuronal selecionada; e uma matriz que indica os índices das amostras que a rede neuronal selecionada utilizou, para criar as suas matrizes de teste. A matriz com os parâmetros e os resultados estatísticos indica o número de neurónios de cada uma das redes treinadas e testadas e os seus respetivos valores de MSE e ρ de treino, validação e teste. A rede selecionada é guardada para possível utilização futura, caso a RNA seja a melhor TIC das três TICS. A matriz dos índices de teste serve para criar as matrizes de teste para a ELM e para o MSVR, de forma às três TICs utilizem as mesmas matrizes de treino e teste, para no fim poder-se comparar os resultados destas três TICs.

O código descrito no Anexo E é utilizado para treinar e testar as RNAs para cada um dos géneros, sendo que em função do género são alteradas as matrizes de entrada e de saída e as variáveis referentes ao género.

Neste trabalho foram treinadas e testadas 220 RNAs para cada um dos géneros, nas quais se alterou o número de neurónios da camada escondida e as condições de teste e de treino que o programa gera aleatoriamente. O número de neurónios testados variou entre 4 e 22 neurónios, sendo que não foram testados todos os valores que constam no intervalo referido. Para cada número de neurónios foram testadas mais de 8 redes. O número de redes testadas que utilizou o mesmo número de neurónios consistiu num número arbitrário, apenas com o objetivo de variar os valores das condições aleatórias, em redes com o mesmo número de neurónios, de forma a obter a melhor rede possível. O número máximo de neurónios testado foi 22 devido a ser o valor máximo que a memória do computador utilizado neste estudo suportava (PC 2GB RAM, 2,16GHz). Todas as RNAs treinadas e testadas eram constituídas por apenas uma camada escondida, e pela função de ativação sigmoide.

Cada RNA treinada e testada utilizou 70% das amostras (colunas das matrizes) para treino, 5% para validação e 25% para teste. Portanto as RNAs femininas utilizaram 71 amostras para treino, 5 amostras para validação e 26 amostras para testar as redes. As RNAs masculinas usaram 62 amostras para treino, 5 amostras para validação e 22 amostras para teste.

A Tabela A.2 apresentada no Anexo F apresenta o número identificativo da rede, o número de neurónios, o MSE de teste e o ρ de teste de cada uma das RNAs femininas treinadas e testadas. Nesta tabela pode-se verificar qua a RNA feminina conseguida com melhores resultados estatísticos de teste foi a rede número 12, constituída por 5 neurónios na camada escondida e os seguintes resultados estatísticos de teste: MSE de 7.99ᵒ e ρ de 98.31%.

A Tabela A.3 do Anexo G apresenta os resultados das RNAs testadas para o género masculino, sendo que a melhor RNA masculina conseguida foi a rede número 118, constituída por 10 neurónios e os seguintes resultados estatísticos de teste: MSE de 5.19ᵒ e ρ de 98.94%.

Nas RNAs testadas verificou-se que em média a RNA necessita entre 0,09 e 1,02s para gerar uma CAPSJ, sendo que em média precisa de 0,23s, quando corrida num computador de 2GB RAM, 2,16GHz.

CAPÍTULO 3 TIC PARA GERAR MARCHA DE REFERÊNCIA

das RNAs selecionadas. Na Fig.3.12 encontram-se representadas as CAPSJs geradas pela RNA feminina, através do código descrito no Anexo H, para uma mulher com as seguintes características: idade 22 anos, altura 1,60m e massa corporal 59kg. As cinco CAPSJs representadas correspondem a cinco velocidades de marcha diferentes: 1,0; 2,3; 3,6; 4,8 e 5,5 km.h-1. O código do Anexo H, para além de gerar as CAPSJs com as RNAs selecionadas, realiza o seu processamento que consiste na filtragem, alinhamento do máximo a 75% da CAPSJ e remoção do offset. Para além disso este código também tem como função traçar a CRL para que os resultados obtidos com a RNA possa ser comparado com esta CAPSJ de referência.

Fig. 3.12 -CAPSJs, para cinco velocidades de marcha, geradas pela RNA feminina para a mulher com características que a TIC desconhece

Analisando a Fig.3.12 verifica-se que as CAPSJs geradas pela RNA feminina possuem o perfil esperado, ou seja, as CAPSJs apresentam as duas ondas de flexão, sendo a segunda maior que a primeira como é de esperam no movimento do joelho. Porém verifica-se que as CAPSJs geradas não apresentam uma distribuição esperada em função da velocidade, onde o máximo da primeira CAPSJ de flexão deveria de aumentar com o aumento da velocidade. A CAPSJ de 2,3km.h-1 apresenta um máximo na primeira onda de flexão superior ao mesmo máximo da CAPSJ de 1,0km.h-1. As outras três CAPSJs, embora se encontrem distribuídas em função da velocidade, encontram-se com a distribuição oposta, ou seja, as CAPSJs de menor velocidade de marcha apresentam um máximo superior ao das CAPSJs de maior velocidade. Outra conclusão que se retira da análise das CAPSJs geradas pela RNA feminina é que todas estas CAPSJs apresentam valores de ângulos inferiores aos sugeridos pela CRL. Esta diferença deve-se ao facto da CRL não ser gerada em função do género e das características do indivíduo em estudo, indicando que a CAPSJ gerada pela RNA é mais indicada para servir de referência. Para além disso as CAPSJs geradas pela RNA têm em consideração que a velocidade de marcha altera o perfil da CAPSJ enquanto a CRL apenas representa uma velocidade de marcha média, não permitindo uma análise tão específica. Na Fig.3.13 encontram-se representadas as cinco CAPSJs geradas pela RNA masculina, através do código do Anexo H, para um homem com as seguintes características: idade 33 anos, altura 1,80m e massa corporal 80kg.

TIC PARA GERAR MARCHA DE REFERÊNCIA CAPÍTULO 3

Fig. 3.13 – CAPSJs, para cinco velocidades de marcha, geradas pela RNA masculina para o homem com características que a TIC desconhece

As CAPSJs geradas pela RNA masculina, para o homem desconhecido, apresentam o mesmo perfil e distribuição que as CAPSJs dos indivíduos normais. Contudo verifica-se que estas CAPSJs tendem a apresentar, nas CAPSJs de velocidades mais altas, valores para a primeira onda de flexão muito próximos. Comparando as CAPSJs geradas pela RNA masculina com a CRL verifica-se que apresentam um perfil semelhante, a diferença encontrada deve-se ao perfil da CAPSJ variar com a velocidade de marcha e a CRL não tem isso em conta.