論文の概要: The Climber's Grip -- Personalized Deep Learning Models for Fear and Muscle Activity in Climbing

• arxiv url: http://arxiv.org/abs/2603.26575v1
• Date: Fri, 27 Mar 2026 16:34:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.59726
• Title: The Climber's Grip -- Personalized Deep Learning Models for Fear and Muscle Activity in Climbing
• Title（参考訳）: クライマーグリップ-クライミングにおける恐怖と筋活動の個人化深層学習モデル
• Authors: Matthias Boeker, Dana Swarbrick, Ulysse T. A. Côté-Allard, Marc T. P. Adam, Hugo L. Hammer, Pål Halvorsen,
• Abstract要約: 統計的モデリングと深層学習の併用による登山者の恐怖感と筋活動の心理生理学的関連について検討した。 その結果、筋疲労はテクストリードクライミング時の恐怖の増加と大きく相関していることがわかった。 本研究は,登山時の心理的状態と生理的状態の相互作用をモデル化するための統計的アプローチと深層学習アプローチを組み合わせる可能性を強調した。
• 参考スコア（独自算出の注目度）: 1.5574607404287955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climbing is a multifaceted sport that combines physical demands and emotional and cognitive challenges. Ascent styles differ in fall distance with lead climbing involving larger falls than top rope climbing, which may result in different perceived risk and fear. In this study, we investigated the psychophysiological relationship between perceived fear and muscle activity in climbers using a combination of statistical modeling and deep learning techniques. We conducted an experiment with 19 climbers, collecting electromyography (EMG), electrocardiography (ECG) and arm motion data during lead and top rope climbing. Perceived fear ratings were collected for the different phases of the climb. Using a linear mixed-effects model, we analyzed the relationships between perceived fear and physiological measures. To capture the non-linear dynamics of this relationship, we extended our analysis to deep learning models and integrated random effects for a personalized modeling approach. Our results showed that random effects improved model performance of the mean squared error (MSE), mean absolute error (MAE) and root mean squared error (RMSE). The results showed that muscle fatigue correlates significantly with increased fear during \textit{lead climbing}. This study highlights the potential of combining statistical and deep learning approaches for modeling the interplay between psychological and physiological states during climbing.
• Abstract（参考訳）: クライミング(Climbing)は、身体的要求と感情的・認知的な課題を組み合わせた多面的なスポーツである。 上昇様式は、トップロープクライミングよりも大きな転倒を伴うリードクライミングと、転倒距離が異なるため、異なるリスクと恐怖をもたらす可能性がある。 本研究では,統計的モデリングと深層学習の併用による登山者の恐怖感と筋活動の心理生理学的関連について検討した。 我々は,19名の登山者による実験を行い,エレクトロミオグラフィー(EMG),心電図(ECG)およびリードおよびトップロープクライミング中の腕の動きデータを収集した。 登山の異なる段階について、恐怖の評価が収集された。 線形混合効果モデルを用いて、認識された恐怖と生理的尺度の関係を解析した。 この関係の非線形なダイナミクスを捉えるため、我々は分析をディープラーニングモデルに拡張し、パーソナライズされたモデリングアプローチのためのランダム効果を統合した。 その結果, 平均二乗誤差 (MSE) , 平均絶対誤差 (MAE) , 根平均二乗誤差 (RMSE) のモデル性能が改善した。 その結果, 筋疲労は, textit{lead climbing}における恐怖の増大と大きく相関していることがわかった。 本研究は,登山時の心理的状態と生理的状態の相互作用をモデル化するための統計的アプローチと深層学習アプローチを組み合わせる可能性を強調した。

関連論文リスト

• Towards Embodied AI with MuscleMimic: Unlocking full-body musculoskeletal motor learning at scale [38.15316304510102]
  muscleMimicは、生理学的に現実的な筋肉駆動モデルを用いたモーション模倣学習のためのオープンソースのフレームワークである。 筋骨格シミュレーションに計算障壁とデータバリアを下げることにより、マッスルミミックは様々な動的運動にまたがる系統的なモデル検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-26T15:18:37Z)
• Susceptibility of Adversarial Attack on Medical Image Segmentation Models [0.0]
  我々は,MRIデータセット上で訓練したセグメンテーションモデルに対する敵攻撃の効果について検討した。 医療画像のセグメンテーションモデルは、実際に敵の攻撃に対して脆弱であることがわかった。 トレーニングで使用するものと異なる損失関数を用いることで,高い敵攻撃効果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-20T12:52:20Z)
• Small-scale proxies for large-scale Transformer training instabilities [69.36381318171338]
  我々は、小規模でトレーニングの安定性と不安定性を再現し、研究する方法を模索する。 学習速度とスケールによる損失の関係を計測することにより,これらの不安定性は,学習率の高いトレーニングにおいて,小さなモデルにも現れることを示す。 ウォームアップ,ウェイト崩壊,および$mu$Paramなどの手法を用いて,学習速度変化の桁数で同様の損失を被る小さなモデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-25T17:48:51Z)
• Latent State Models of Training Dynamics [51.88132043461152]
  異なるランダムなシードでモデルをトレーニングし、トレーニングを通じてさまざまなメトリクスを計算します。 次に、結果のメトリクス列に隠れマルコフモデル(HMM)を適合させる。 我々はHMM表現を用いて相転移を研究し、収束を遅くする潜伏状態(detour state)を特定する。
  論文  参考訳（メタデータ） (2023-08-18T13:20:08Z)
• How inter-rater variability relates to aleatoric and epistemic uncertainty: a case study with deep learning-based paraspinal muscle segmentation [1.9624082208594296]
  本研究は, 層間変動が学習アルゴリズムの信頼性に与える影響について検討する。 本研究は,ラベル融合戦略とDLモデルの選択による,ラター間の変動性と不確実性の間の相互作用を明らかにする。
  論文  参考訳（メタデータ） (2023-08-14T06:40:20Z)
• Gait Cycle-Inspired Learning Strategy for Continuous Prediction of Knee Joint Trajectory from sEMG [24.608475386117426]
  本稿では,2つの歩行サイクルにインスパイアされた学習戦略を統合し,膝関節の軌道予測の課題を軽減するモデルを提案する。 異なるネットワークエンティティを通して学習することにより、モデルは共通の歩行特徴とパーソナライズされた歩行特徴の両方をキャプチャする。 実験結果から, 平均根平均二乗誤差(RMSE)を3.03度(0.49度), 50ms前後で予測できることが示唆された。
  論文  参考訳（メタデータ） (2023-07-25T02:23:58Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。