跑步者之间跑步技术的差异,跑步经济更好和更差,里程更低和更高:一种人工神经网络方法
Bas Van Hooren1, Rebecca Lennartz2, Maartje Cox1
1NUTRIM School of Nutrition and Translational Research in Metabolism, Department of Nutrition and Movement Sciences, Maastricht University Medical Centre+, Maastricht, The Netherlands.
Scandinavian journal of medicine & science in sports
|March 21, 2024
概括
使用人工神经网络 (ANN) 进行的运行技术分析确定了影响运行经济和训练量的主要动力学因素. 特定的关节运动和干旋转对于区分跑步者的性能水平至关重要.
科学领域:
- 生物力学 生物力学
- 运动科学 运动科学 运动科学
- 计算智能是一种计算智能.
背景情况:
- 之前关于运行经济的研究集中在有限的斜平面指标上.
- 跨越不同步态阶段和平面的跑步技巧的作用未被充分探索.
研究的目的:
- 为了确定跑步技术的组成部分,以经济和训练距离区分跑步者.
- 为此分析,利用人工神经网络 (ANN) 和层级相关性传播.
主要方法:
- 收集了41名跑步者的3D动力学和气体交换数据.
- 雇佣ANN以根据运行经济和每周距离预测群组分类.
- 应用层级相关性传播以精确确定有影响力的动力学变量.
主要成果:
- ANNs的准确度中等 (经济性高达62%,距离高达71%).
- 膝盖,部和脚的曲是经济和距离的关键预测因素.
- 较差的经济与增加的膝盖摆动曲和部姿势曲有关;较长的距离与减少的车旋转有关.
结论:
- 根据技术,ANN提供了一种可行的,尽管适度的方法来对跑步者进行分类.
- 确定了关键的动力学变量,可以指导未来的研究和训练干预措施.
