మోనికా పూరి సిక్కా మరియు అరుణాంగ్షు ముఖోపాధ్యాయ
ఈ కాగితంలో ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN) మోడల్ అవయవంపై చుట్టే సమయంలో అధిక కంప్రెషన్ బ్యాండేజ్‌ల సబ్ బ్యాండేజ్ ఒత్తిడిని అంచనా వేయడానికి రూపొందించబడింది . రెండు రకాల కట్టు బట్టలు (అల్లిన మరియు నేసిన) అధ్యయనం కోసం తీసుకోబడ్డాయి. ఇతర ఇన్‌పుట్ పారామితులలో బ్యాండేజ్ ఫాబ్రిక్ రకం, లింబ్ చుట్టుకొలత, బ్యాండేజ్ లేయర్‌ల సంఖ్య, స్ట్రెచ్% మరియు బ్యాండేజ్ వెడల్పు ఉన్నాయి. శిక్షణ మరియు పరీక్ష సెట్‌లుగా డేటా యొక్క నిర్దిష్ట విభజనపై ఫలితాల డిపెండెన్సీని తగ్గించడానికి, త్రీవే క్రాస్ ధ్రువీకరణ పరీక్షలు నిర్వహించబడ్డాయి, అనగా మొత్తం డేటాను మూడు రకాలుగా శిక్షణ మరియు పరీక్ష సెట్‌లుగా విభజించారు. ఊహించిన ఉప కట్టు పీడనం ప్రయోగాత్మక ఉప కట్టు పీడనం మరియు పొందిన వాస్తవ మరియు అంచనా విలువల మధ్య సహసంబంధ గుణకంతో పరస్పర సంబంధం కలిగి ఉంది. న్యూరల్ నెట్‌వర్క్ సిస్టమ్ అప్లికేషన్ తర్వాత సబ్ బ్యాండేజ్ ఒత్తిడిని మంచి సహసంబంధం మరియు తక్కువ సగటు లోపంతో అంచనా వేయగలదని గమనించబడింది.
English 
Spanish 
Chinese 
Russian 
German 
French 
Japanese 
Portuguese 
Hindi