Algoritma Pengeluaran Energi Pertama

Saya mencari implementasi (atau dokumen yang menggambarkan algoritma aktual) untuk pengeluaran energi / VO2 / EPOC perhitungan dari variabilitas detak jantung.

Beberapa kertas putih tentang

Estimasi konsumsi oksigen
Estimasi pengeluaran energi
EPOC (Kelebihan konsumsi oksigen pasca latihan)
Efek pelatihan
Analisis pemulihan atlet

dapat diunduh di sini .

Menurut laman web Garmin, kesalahannya sekitar 50% lebih kecil daripada metode generik.

Meskipun ini menarik untuk dibaca, mereka tidak memberi tahu kami banyak tentang bagaimana sebenarnya menghitung nilai-nilai ini dari data detak jantung. Semua itu mengatakan:

Jaringan saraf digunakan untuk membangun model yang berasal VO2 dari interval RR (waktu antara detak jantung berturut-turut), menggunakan laju respirasi dan informasi on / off-response.

Meskipun monitor detak jantung normal tidak menyediakan data, ada penerima murah untuk kutub dan ANT + di sekitarnya yang memungkinkan pemantauan detak demi detak, seperti ini www.sparkfun.com/products/8661 (untuk kutub) atau http: //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html (untuk semut +) https://code.google.com/p/hrvtracker/ (program)

Estimasi konvensional pengeluaran kalori sebagai fungsi dari denyut jantung dapat ditemukan dalam makalah ini: Prediksi Pengeluaran Energi dari Pemantauan Denyut Jantung Selama Latihan Submaximal .

— Dan
sumber

Mengingat bahwa mereka menggunakan jaringan saraf sebagai komponen teknologi utama, mungkin sulit untuk menjelaskan pemetaan secara ilmiah (lihat "Kerugian" di en.wikipedia.org/wiki/Artificial_neural_network )

— FredrikD

Setuju, NN tidak dapat diprediksi. Entah mereka bekerja atau tidak, tetapi menjelaskan mengapa ada cerita lain.

— Baarn

Saya menemukan tesis dari salah satu orang Firstbeat jyx.jyu.fi/dspace/bitstream/handle/123456789/13267/…

— Dan

Dari membaca tesisnya tampaknya mereka menggunakan unit sigmoid / logistik, yang non-linear. Namun, ia menggunakan jaringan saraf untuk mengekstrak frekuensi pernapasan dari seri waktu detak jantung. Yang berarti mereka tidak menggunakannya untuk secara langsung membuat rumus regresi linier, tetapi menggunakannya sebagai dasar untuk model yang menjadi dasar regresi linier. Jadi, bisakah Anda menjelaskan apa tujuan Anda sebenarnya? Mungkin Anda tidak perlu repot dengan pemrosesan data yang sama jika Anda memiliki akses untuk membersihkan data detak jantung, Anda bisa menggunakan rumus yang Anda temukan.

— Ivo Flipse

Saya memposting pertanyaan di sini karena saya tertarik pada algoritma yang dapat saya jalankan di data SDM saya sendiri. NN hanyalah kotak hitam yang memberikan lebih atau kurang hasil yang tidak dapat diverifikasi dan mungkin tidak stabil setelah pelatihan dengan dataset besar. Karena saya tidak memiliki akses ke dataset pelatihan ini, memahami NN tidak terlalu berguna bagi saya. Saya lebih tertarik pada model fisiologis + algoritma yang dapat digunakan yang hanya bergantung pada beberapa koefisien. Lebih mudah untuk memahami keterbatasan model semacam itu juga.

— Dan

-2

Meskipun saya tidak memiliki algoritme, saya memiliki pustaka yang berisi file latihan .sdf. Dari mana seseorang hampir bisa merekayasa balik sesuatu yang sangat dekat dengan model pengeluaran energi. Saya memiliki kecurigaan yang kuat bahwa sebagian besar perataan eksponensial.

— Kevin Joubert
sumber