論文の概要: Machine Learning in Biomechanics: Key Applications and Limitations in Walking, Running, and Sports Movements
- arxiv url: http://arxiv.org/abs/2503.03717v1
- Date: Wed, 05 Mar 2025 18:10:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:52:24.651985
- Title: Machine Learning in Biomechanics: Key Applications and Limitations in Walking, Running, and Sports Movements
- Title（参考訳）: バイオメカニクスにおける機械学習:ウォーキング,ランニング,スポーツ運動における鍵となる応用と限界
- Authors: Carlo Dindorf, Fabian Horst, Djordje Slijepčević, Bernhard Dumphart, Jonas Dully, Matthias Zeppelzauer, Brian Horsak, Michael Fröhlich,
- Abstract要約: この章は、歩行(ウォーキングとランニング)とスポーツバイオメカニクスにおける、最近で有望な機械学習アプリケーションの概要を提供する。
バイオメカニカルにおける課題に対処する機械学習手法の可能性を探究し、中心的な限界を強調している。
歩行およびスポーツバイオメカニクスにおける機械学習の可能性を完全に活用するための学際的アプローチの重要性を強調している。
- 参考スコア（独自算出の注目度）: 1.7347652837772043
- License:
- Abstract: This chapter provides an overview of recent and promising Machine Learning applications, i.e. pose estimation, feature estimation, event detection, data exploration & clustering, and automated classification, in gait (walking and running) and sports biomechanics. It explores the potential of Machine Learning methods to address challenges in biomechanical workflows, highlights central limitations, i.e. data and annotation availability and explainability, that need to be addressed, and emphasises the importance of interdisciplinary approaches for fully harnessing the potential of Machine Learning in gait and sports biomechanics.
- Abstract（参考訳）: この章では、歩数(ウォーキングとランニング)とスポーツバイオメカニクスにおける、最近で有望な機械学習アプリケーション、すなわち、ポーズ推定、特徴推定、イベント検出、データ探索とクラスタリング、自動分類の概要について説明する。
バイオメカニカルワークフローにおける課題に対処する機械学習手法の可能性を探り、データとアノテーションの可用性と説明可能性という中心的な制限を強調し、歩行とスポーツのバイオメカニクスにおける機械学習の可能性を完全に活用するための学際的アプローチの重要性を強調した。
関連論文リスト
- "Forgetting" in Machine Learning and Beyond: A Survey [0.0]
この調査は、さまざまな機械学習サブフィールドにまたがる、忘れることの利点とその応用に焦点を当てる。
本稿では,機械学習モデルへの忘れるメカニズムの統合に関する現状の課題,今後の方向性,倫理的考察について論じる。
論文 参考訳（メタデータ） (2024-05-31T05:10:30Z) - Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach [50.36650300087987]
本研究は, ジェネレーティブ・クラス・インクリメンタル・ラーニング(GCIL, Generative Class Incremental Learning)への新たなアプローチを提案する。
我々は, 忘れる機構の統合により, 新たな知識獲得におけるモデルの性能が著しく向上することを発見した。
論文 参考訳（メタデータ） (2024-03-27T05:10:38Z) - Machine Learning Applications in Spine Biomechanics [0.642428789697329]
機械学習とコンピュータビジョン技術は、単一のカメラ画像と同じくらい単純な3Dボディ形状、人体計測、運動学を推定するのに役立つ。
本研究では,これらの手法を従来の筋骨格モデルと統合し,脊髄生体力学の包括的解析を可能にする枠組みを提案する。
本研究における実世界の応用例としては, 職場での揚力評価, 自動車事故における鞭打ち損傷の評価, プロスポーツにおける生体力学的解析などが挙げられる。
論文 参考訳（メタデータ） (2024-01-10T04:45:12Z) - Machine learning in physics: a short guide [0.0]
機械学習は急速に成長する分野であり、物理学を含む科学の多くの分野に革命をもたらす可能性がある。
このレビューでは、物理における機械学習の簡単な概要を説明し、教師なし、教師なし、強化学習の主な概念を取り上げている。
本稿では、物理学における機械学習の主な応用について紹介し、関連する課題と展望について論じる。
論文 参考訳（メタデータ） (2023-10-16T13:05:47Z) - Introduction to Machine Learning for Physicians: A Survival Guide for
Data Deluge [9.152759278163954]
現代の研究分野は、大規模な、しばしば構造化されていない、不安定なデータセットの収集と分析にますます依存している。
このデータルージュを活用できる機械学習や人工知能アプリケーションへの関心が高まっている。
この幅広い非技術的概要は、医学的および生物学的応用に特に焦点をあてた、機械学習への穏やかな紹介を提供する。
論文 参考訳（メタデータ） (2022-12-23T13:08:59Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳（メタデータ） (2022-04-08T17:48:59Z) - Attention Mechanisms in Computer Vision: A Survey [75.6074182122423]
本稿では,コンピュータビジョンにおける様々な注意機構について概観する。
チャネルアテンション,空間アテンション,時間アテンション,分岐アテンションなど,アプローチによって分類する。
我々は注意機構研究の今後の方向性を提案する。
論文 参考訳（メタデータ） (2021-11-15T09:18:40Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。
本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文 参考訳（メタデータ） (2021-03-22T12:42:16Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z)
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。