論文の概要: Contributing Components of Metabolic Energy Models to Metabolic Cost
Estimations in Gait
- arxiv url: http://arxiv.org/abs/2310.12083v1
- Date: Wed, 18 Oct 2023 16:24:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 15:57:40.175947
- Title: Contributing Components of Metabolic Energy Models to Metabolic Cost
Estimations in Gait
- Title（参考訳）: 歩行における代謝エネルギーモデルの代謝コスト推定への寄与成分
- Authors: Markus Gambietz, Marlies Nitschke, J\"org Miehling, Anne Koelewijn
- Abstract要約: 本稿では, 正確な代謝コスト推定に寄与する, 筋肉や関節状態などのパラメータと入力変数を同定する。
ニューラルネットワークに基づくモデルは有望な能力を示したが、従来の代謝エネルギー消費モデルの精度と一致しなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective: As metabolic cost is a primary factor influencing humans' gait, we
want to deepen our understanding of metabolic energy expenditure models.
Therefore, this paper identifies the parameters and input variables, such as
muscle or joint states, that contribute to accurate metabolic cost estimations.
Methods: We explored the parameters of four metabolic energy expenditure models
in a Monte Carlo sensitivity analysis. Then, we analysed the model parameters
by their calculated sensitivity indices, physiological context, and the
resulting metabolic rates during the gait cycle. The parameter combination with
the highest accuracy in the Monte Carlo simulations represented a
quasi-optimized model. In the second step, we investigated the importance of
input parameters and variables by analysing the accuracy of neural networks
trained with different input features. Results: Power-related parameters were
most influential in the sensitivity analysis and the neural network-based
feature selection. We observed that the quasi-optimized models produced
negative metabolic rates, contradicting muscle physiology. Neural network-based
models showed promising abilities but have been unable to match the accuracy of
traditional metabolic energy expenditure models. Conclusion: We showed that
power-related metabolic energy expenditure model parameters and inputs are most
influential during gait. Furthermore, our results suggest that neural
network-based metabolic energy expenditure models are viable. However, bigger
datasets are required to achieve better accuracy. Significance: As there is a
need for more accurate metabolic energy expenditure models, we explored which
musculoskeletal parameters are essential when developing a model to estimate
metabolic energy.
- Abstract（参考訳）: 目的:代謝コストが人間の歩行に影響を与える主要な要因であるので、代謝エネルギー支出モデルに対する理解を深めたい。
そこで本稿では, メタボリックコストの正確な推定に寄与する筋や関節の状態などのパラメータや入力変数を明らかにする。
方法:モンテカルロ感度解析において4つの代謝エネルギー消費モデルのパラメータを検討した。
そして, モデルパラメータを, 計算された感度指標, 生理的文脈, 歩行周期における代謝速度によって分析した。
モンテカルロシミュレーションにおける最も精度の高いパラメータの組み合わせは準最適化モデルであった。
第2段階では,異なる入力特徴を持つニューラルネットワークの精度を解析し,入力パラメータと変数の重要性について検討した。
結果: パワー関連パラメータは感度分析とニューラルネットワークに基づく特徴選択に最も影響した。
準最適化モデルでは, 筋の生理と相反する負の代謝率を示した。
ニューラルネットワークに基づくモデルは有望な能力を示したが、従来の代謝エネルギー消費モデルの精度と一致しなかった。
結論: パワー関連代謝エネルギー支出モデルパラメータと入力が歩行中に最も影響があることを示した。
さらに,ニューラルネットワークを用いた代謝エネルギー消費モデルが有効であることが示唆された。
しかし、より良い精度を達成するにはより大きなデータセットが必要である。
意義:より正確な代謝エネルギー消費モデルが必要となるため、代謝エネルギーを推定するモデルを開発する際にどの筋骨格パラメータが不可欠かを検討した。
関連論文リスト
- Gene-Metabolite Association Prediction with Interactive Knowledge Transfer Enhanced Graph for Metabolite Production [49.814615043389864]
メタボリックグラフに基づく遺伝子メタボリック・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション
2474の代謝産物と1947年の2つの一般的な微生物の遺伝子を含む最初のベンチマークを提示する。
提案手法は,各種リンク予測フレームワークのベースラインを最大12.3%向上させる。
論文 参考訳（メタデータ） (2024-10-24T06:54:27Z) - Exploring hyperelastic material model discovery for human brain cortex:
multivariate analysis vs. artificial neural network approaches [10.003764827561238]
本研究の目的は、ヒト脳組織において最も好ましい物質モデルを特定することである。
我々は、広く受け入れられている古典モデルの一般化に、人工ニューラルネットワークと多重回帰法を適用した。
論文 参考訳（メタデータ） (2023-10-16T18:49:59Z) - 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 Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。
プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。
本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文 参考訳（メタデータ） (2023-05-28T08:09:25Z) - A Comparative Study on Energy Consumption Models for Drones [4.660172505713055]
我々は、その物理的挙動から派生したドローンの5つの最も人気のあるエネルギー消費モデルをベンチマークする。
本稿では,Long Short-Term Memory (LSTM) に基づくディープラーニングアーキテクチャを用いた新しいデータ駆動型エネルギーモデルを提案する。
実験の結果,LSTMに基づくアプローチは,研究中のデータセットに対して,他の数学的モデルよりも容易に優れていることがわかった。
論文 参考訳（メタデータ） (2022-05-30T23:05:32Z) - Bayesian Calibration of imperfect computer models using Physics-informed
priors [0.0]
本稿では,計算機モデルの物理パラメータの不確かさを定量化するのに適した,計算効率の良いデータ駆動フレームワークを提案する。
我々はこれを完全にベイズ的枠組みに拡張し、物理パラメータの不確かさとモデル予測の定量化を可能にした。
この研究は、高血圧の個人治療のための心臓の血行動態の解釈可能なパラメータの必要性によって動機付けられている。
論文 参考訳（メタデータ） (2022-01-17T15:16:26Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳（メタデータ） (2021-10-05T02:14:38Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳（メタデータ） (2021-06-17T00:49:55Z) - Post-mortem on a deep learning contest: a Simpson's paradox and the
complementary roles of scale metrics versus shape metrics [61.49826776409194]
我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。
メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。
本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
論文 参考訳（メタデータ） (2021-06-01T19:19:49Z) - Population-based Optimization for Kinetic Parameter Identification in
Glycolytic Pathway in Saccharomyces cerevisiae [7.895232155155041]
本稿では,動的モデルにおける運動パラメータの同定が可能な個体群ベース最適化フレームワークを提案する。
本手法は測定不能パラメータの同定やパラメータの偏差の発見に有効である。
本稿では,Saccharomyces cerevisiaeにおけるよく研究された糖分解経路の例について,最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-19T21:57:28Z) - Energy-based models for atomic-resolution protein conformations [88.68597850243138]
原子スケールで動作するタンパク質コンホメーションのエネルギーモデル(EBM)を提案する。
このモデルは、結晶化されたタンパク質のデータにのみ訓練されている。
モデル出力と隠された表現の研究により、タンパク質エネルギーに関連する物理化学的性質を捉えることが判明した。
論文 参考訳（メタデータ） (2020-04-27T20:45:12Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。