Fugu-MT 論文翻訳(概要): A New Pathway to Approximate Energy Expenditure and Recovery of an Athlete

論文の概要: A New Pathway to Approximate Energy Expenditure and Recovery of an Athlete

arxiv url: http://arxiv.org/abs/2104.07903v2
Date: Thu, 2 Sep 2021 03:16:34 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 11:13:11.013759
Title: A New Pathway to Approximate Energy Expenditure and Recovery of an Athlete
Title（参考訳）: 運動選手のエネルギー消費と回復を近似する新しい経路
Authors: Fabian Clemens Weigend, Jason Siegler, Oliver Obst
Abstract要約: 我々は「三成分水理モデル」という理論概念を再考するこの油圧モデルは、必要な精度や量で取得できない生理的指標に依存するため、個々のアスリートに対して完全には検証されていない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work proposes to use evolutionary computation as a pathway to allow a new perspective on the modeling of energy expenditure and recovery of an individual athlete during exercise. We revisit a theoretical concept called the "three component hydraulic model" which is designed to simulate metabolic systems during exercise and which is able to address recently highlighted shortcomings of currently applied performance models. This hydraulic model has not been entirely validated on individual athletes because it depends on physiological measures that cannot be acquired in the required precision or quantity. This paper introduces a generalized interpretation and formalization of the three component hydraulic model that removes its ties to concrete metabolic measures and allows to use evolutionary computation to fit its parameters to an athlete.
Abstract（参考訳）: 本研究は,運動中の運動選手のエネルギー消費と回復のモデリングを新たな視点で行うため,進化的計算を経路として用いることを提案する。本研究では,運動中に代謝系をシミュレートし,現在適用されている性能モデルの欠点に対処できる「三成分水理モデル」という理論的概念を再考する。この水圧モデルは、必要な精度や量では取得できない生理的手段に依存するため、個々のアスリートに完全には検証されていない。本稿では,具体的代謝指標との関係を解消し,そのパラメータを運動選手に適合させるために進化的計算を可能にする3成分水理モデルの一般化解釈と形式化を提案する。

関連論文リスト

MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文参考訳（メタデータ） (2024-04-16T02:18:18Z)
Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge [69.80471117520719]
Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
論文参考訳（メタデータ） (2024-02-18T05:04:50Z)
The bionic neural network for external simulation of human locomotor system [2.6311880922890842]
本稿では,筋骨格モデルに基づく物理インフォームド深層学習法を提案し,関節運動と筋力を予測する。この方法は、被験者固有のMSK生理学的パラメータを効果的に同定することができ、訓練された物理インフォームドフォワード力学は、正確な動きと筋力予測をもたらす。
論文参考訳（メタデータ） (2023-09-11T23:02:56Z)
A physics-informed machine learning model for reconstruction of dynamic loads [0.0]
本稿では, 物理インフォームド・マシン・ラーニング・フレームワークを用いて, 測定された偏向, 速度, 加速度に基づいて動的力の再構成を行う。このフレームワークは不完全で汚染されたデータを扱うことができ、ノイズ測定システムを考慮した自然な正規化手法を提供する。開発されたフレームワークには、設計モデルと仮定、損傷検出と健康モニタリングを支援するための応答の予後が含まれる。
論文参考訳（メタデータ） (2023-08-15T18:33:58Z)
Agent-based Modeling and Simulation of Human Muscle For Development of Human Gait Analyzer Application [1.0878040851638]
この応用は、臨床の専門家が健康な筋肉と不健康な筋肉を区別するために使用できる。 Bootsアルゴリズムは、人間の動作の逆ダイナミクスを行うために、人間の下半身の生体力学的モデルに基づいて設計されている。
論文参考訳（メタデータ） (2022-12-24T15:57:31Z)
Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文参考訳（メタデータ） (2022-06-10T16:20:59Z)
From Motion to Muscle [0.0]
筋活動は, 位置, 速度, 加速度などの運動特徴に基づいて人工的に生成できることを示す。このモデルは、以前に訓練された運動に対して顕著な精度を達成し、これまで訓練されていない新しい運動に対して非常に高い精度を維持している。
論文参考訳（メタデータ） (2022-01-27T13:30:17Z)
LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文参考訳（メタデータ） (2021-11-30T04:10:57Z)
Learning Local Recurrent Models for Human Mesh Recovery [50.85467243778406]
本稿では,人間のメッシュを標準的な骨格モデルに従って複数の局所的に分割するビデオメッシュ復元手法を提案する。次に、各局所部分の力学を別個のリカレントモデルでモデル化し、各モデルは、人体の既知の運動構造に基づいて適切に条件付けする。これにより、構造的インフォームドな局所的再帰学習アーキテクチャが実現され、アノテーションを使ってエンドツーエンドでトレーニングすることができる。
論文参考訳（メタデータ） (2021-07-27T14:30:33Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。