Epälineaaristen regressiomenetelmien vertaaminen robottikäden otemallinnuksessa

Abstract

Tässä työssä verrattiin monikerrosperseptronin, radiaalikantafunktioverkon, tukivektoriregression ja relevanssivektoriregression soveltuvuutta robottikäden otemallinnukseen. Menetelmille ohjelmoitiin koeympäristö Matlabiin, jossa mallit koestettiin kolmiulotteisella kappaledatalla. Koejärjestely sisälsi kaksi vaihetta. Kokeiden ensimmäisessä vaiheessa menetelmille haettiin sopivat parametrit ja toisessa vaiheessa menetelmät koestettiin. Kokeilla kerättiin dataa menetelmien keskinäiseen vertailuun. Vertailussa huomioitiin laskentanopeus, koulutusaika ja tarkkuus. Tukivektoriregressio löydettiin potentiaaliseksi vaihtoehdoksi mallintamiseen. Tukivektoriregression koetuloksia analysoitiin muita menetelmiä enemmän hyvien koetulosten takia.

The thesis compared the suitability of multilayer perceptron, radial basis function network, support vector regression and relevance vector regression in modeling the grasp of a robot hand. Matlab was used to program a test environment for the methods, where the models were tested using the data of three dimensional objects. The test procedure consisted of two phases. First, suitable parameters were searched for the methods, and then the methods were tested. The tests collected data for method comparison. The compared attributes were the speed of calculation, training time and accuracy. Support vector regression was found as a potential method for the modeling. Test results of the support vector regression were analyzed more than the other methods, because the support vector regression gave the best test results.