Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

x 0
l 3
I -M
c
l 2
z 0
l 1
d
θ 4
b
r
θ 1
θ 3
a
θ 2
n
m
y 0
θ 1 θ 2 θ 3 θ 4
l 1 l 2 l 3
Figura A.3. Estructura cinemática de los dedos diseñados para generar la mano empleada en
las simulaciones del Capítulo 5. Las flechas rojas indican el sentido de giro de cada GDL.
3. Ecuaciones de Aprendizaje de Cinemática Inversa por una red
HYPBF
El mapa direccional entre el espacio extrapersonal 3D y el espacio de
articulaciones de una cadena cinemática tal como el brazo o dedos descritos en
los apartados anteriores, se aprende empleando una forma de Red Neuronal de
Regularización HYPBF denominada red de bases radiales hiperplanas (HRBF,
Poggio y Girosi, 1989; Stokbro y col, 1990). Las HRBFs son redes neuronales que
pueden emplearse para el aprendizaje de mapas arbitrarios entre un espacio de
entrada y un espacio de salida. Estas redes están compuestas de una serie de
nodos, cada uno de los cuales se corresponde a una ‘posición’ distinta del
espacio de entrada. Cuando un patrón de entrada se aplica a la red, cada uno de
los nodos se activa de acuerdo a la distancia que existe en el espacio de entrada
entre el patrón de entrada a la red y la ‘posición’ asociada a cada uno de esos
nodos. Posteriormente, la activación de los nodos se multiplica por un valor
asociado a cada uno de ellos para obtener la contribución ponderada de cada
nodo a la salida total de la red. El aprendizaje se produce en la red a través del
ajuste de los valores de ponderación asociados a cada nodo y a través del ajuste
de los parámetros que definen la ‘posición’ de cada nodo en el espacio de
P