Abstract
本論文主要利用類神經網路來作肌電訊號的辨識，在文中我們不採用單一的梯度法當訓練法則，而改採梯度法和高斯-牛頓法所結合而成的方法，稱為Levenberg-Marquardt法，當成訓練法則。另外，我們設計六種不同的動作，並利用單一電極進行量測。在文中我們除了將傳統可用於肌電訊號的特徵作辨識率的比較外，並應用語音訊號處理的特徵倒頻和對數區域比在肌電訊號的辨識上，並和傳統的特徵作辨識率的比較。由實驗的結果我們發現所利用的7種特徵只有4種特徵可以用在上臂動作的辨識上，而4種特徵的好壞依序為倒頻特徵，AR 模型特徵，F.F.T 功率特徵及對數區域比特徵。-