首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
曹愈远,张博文,王华伟.机器学习在预测人体运动地面反作用力中的应用综述[J].数据采集与处理,2021,36(4):639-647
机器学习在预测人体运动地面反作用力中的应用综述
Application of Machine-Learning in Predicting Ground Reaction Force of Human Motion: A Review
投稿时间:2020-11-27  修订日期:2021-04-06
DOI:10.16337/j.1004-9037.2021.04.002
中文关键词:  地面反作用力  机器学习  神经网络
英文关键词:ground reaction force (GRF)  machine learning  neural network
基金项目:国家自然科学基金(81572212,30870600)资助项目。
作者单位邮编
曹愈远 南京航空航天大学民航学院南京 211106中国 211106
张博文 南京航空航天大学民航学院南京 211106中国 211106
王华伟 南京航空航天大学民航学院南京 211106中国 211106
摘要点击次数: 90
全文下载次数: 173
中文摘要:
      三维地面反作用力(Ground reaction force, GRF)是人体运动分析的重要测量参数,但其测量受到一定限制。本文系统归纳了机器学习在预测GRF中的应用现状。以“ground reaction force”与“machine learning”“neural network”组合为关键词检索,筛选利用机器学习模型预测GRF的研究。共纳入14篇研究,研究的动作包括步行、跑步及个别专项动作,利用不同的学习算法来预测GRF,输入参数包括足底压力参数、运动捕捉获取的人体运动学参数等,均采用相关系数及均一化均方根误差作为评价指标。结果显示,利用机器学习预测GRF可获得极好的预测精度。利用机器学习模型预测GRF在人体运动中的应用还有待更多的研究,如增加用于机器学习的数据集大小可进一步提高学习模型的预测性能等。
英文摘要:
      The 3D ground reaction force(GRF) is an important measurement parameter in human motion analysis, but its measurement is limited. The application status of machine-learning in predicting GRF is systematically reviewed. Searching with the combination of “ground reaction force”,“machine learning”and“neural network as the keyword, fourteen studies of predicting GRF by using machine learning model are screened. The motion tasks in these studies include walking, running and several special tasks in sports. Different learning algorithms are used to predict the GRF, whose input parameters include plantar pressure parameters, human motion parameters obtained by motion capture. The relative root mean square and cross-correlation coefficient are adopted as evaluation indicators. The results show that using the machine learning to predict GRF can obtain excellent prediction accuracy. The application of predicting GRF by using machine learning models in human motion needs more research, such as increasing the sizes of datasets for machine learning to further improve the prediction performance of learning models.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2276641位访问者 本站今日一共被访问584

技术支持:北京勤云科技发展有限公司