心拍変動からのエネルギー消費/ VO2 / EPOC計算の実装(または実際のアルゴリズムを説明するドキュメント)を探しています。
いくつかのホワイトペーパー
- 酸素消費量の推定
- エネルギー消費量の推定
- EPOC(運動後の過剰酸素消費量)
- トレーニング効果
- アスリートの回復分析
GarminのWebページによると、エラーは一般的な方法よりも約50%小さくなっています。
これらは読むのに魅力的ですが、心拍数データからこれらの値を実際に計算する方法についてはあまり教えません。それはすべて言う:
ニューラルネットワークを使用して、呼吸数とオン/オフ応答情報を使用して、RR間隔(連続する心拍間の時間)からVO2を導出するモデルを構築しました。
通常の心拍数モニターではデータを利用できませんが、このようなwww.sparkfun.com/products/8661(ポーラー用)またはhttp:のように、ビートごとのモニタリングを可能にするポーラーおよびANT +用の安価なレシーバーがあります。 //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html(ant +) https://code.google.com/p/hrvtracker/(プログラム)
心拍数の関数としてのカロリー消費の従来の推定は、この論文で見つけることができます: 最大下運動中の心拍数モニタリングからのエネルギー消費の予測。
3
彼らが主要な技術コンポーネントとしてニューラルネットワークを使用していることを考えると、マッピングを科学的に説明することは難しいかもしれません(en.wikipedia.org/wiki/Artificial_neural_networkの「欠点」を参照)
—
FredrikD
同意して、NNは予測不能です。彼らは働くかしないかのどちらかですが、その理由を説明するのは別の話です。
—
バーン
私はFirstbeat人の一人の論文たjyx.jyu.fi/dspace/bitstream/handle/123456789/13267/...
—
ダン
彼の論文を読むと、彼らは非線形であるシグモイド/ロジスティック単位を使用しているようです。ただし、彼はニューラルネットワークを使用して、心拍数の時系列から呼吸周波数を抽出します。つまり、線形回帰式を直接作成するために使用せず、代わりに線形回帰のベースとなるモデルのベースとして使用しました。それでは、おそらくあなたの目標が本当にどうなるか説明できますか?おそらく、クリーンアップされた心拍数データにアクセスできれば、同じデータ処理に煩わされる必要はありません。見つけた式を使用するだけで済みます。
—
Ivo Flipse
質問を投稿したのは、自分のHRデータで実行できるアルゴリズムに興味があるからです。NNは、巨大なデータセットでトレーニングした後、多少なりとも検証不可能で、おそらく不安定な出力を提供するブラックボックスに他なりません。このトレーニングデータセットにアクセスできないため、NNを理解することはあまり役に立ちません。私は、いくつかの係数のみに依存する生理学モデル+使用可能なアルゴリズムにもっと興味があります。このようなモデルの制限も理解しやすいです。
—
ダン