.基于反馈神经网络肘关节力矩的动态预测R.Song K.Y.Tong健康技术与信息学系，香港理工大学KowIoon，香港摘要肌肉模型是身体部分运动分析的一个重要组成部分。尽管许多研究已经集中在静态条件下,但是肌电信号（EMG）和关节转矩在自愿动态情况下之间的关系并没有被很好的研究。本研究的目的是调查的一个反馈人工神经网络的性能（RANN）自愿动态情况下的复杂肘扭矩估计。肌电信号和运动数据，其中包括角度和角速度，被用来作为估计在运动过程中预期的扭矩输入。此外，角度和角速度的预测精度的作用进行了研究，并比较两个模型。一个模型的肌电图和关节运动的投入和其他的模型只使用肌电图无运动数据输入。六例健康体检者，和两个平均角速度（60S 7和90S 7）三种不同负荷（0公斤，1公斤，2公斤）在手的位置被选择来训练和测试90屈肘、全伸肘之间的递归神经网络（0 ）。训练结束后，根平均平方误差（RMSE）预期的扭矩和扭矩之间的模型预测，在训练数据集的肌电图和关节运动的投入和测试数据集，分别为
