심박수 변동에서 에너지 소비 / VO2 / EPOC 계산을위한 구현 (또는 실제 알고리즘을 설명하는 문서)을 찾고 있습니다.
에 대한 몇 가지 백서
- 산소 소비량 추정
- 에너지 소비 추정
- EPOC (운동 후 산소 소비량 초과)
- 훈련 효과
- 선수의 회복 분석
여기에서 다운로드 할 수 있습니다 .
Garmin의 웹 페이지에 따르면 오류는 일반적인 방법보다 약 50 % 작습니다.
이것들은 읽기에 매혹적이지만 심박수 데이터에서 이러한 값을 실제로 계산하는 방법에 대해서는 많이 알려주지 않습니다. 모든 내용 :
신경망을 사용하여 호흡률과 반응 / 응답 정보를 사용하여 RR 간격 (연속 심장 박동 사이의 시간)에서 VO2를 유도하는 모델을 구성했습니다.
일반적인 심박수 모니터로 데이터를 사용할 수는 없지만 www.sparkfun.com/products/8661(polar의 경우) 또는 http 와 같이 비트 모니터링으로 비트를 측정 할 수있는 polar 및 ANT + 용 저렴한 수신기가 있습니다 . //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html(ant+ 용) https://code.google.com/p/hrvtracker/ (프로그램)
심박수의 함수로서 칼로리 소비의 통상적 인 추정은이 논문에서 찾을 수있다 : 이하 최대 운동 동안 심박수 모니터링으로부터 에너지 소비의 예측 .
3
그들이 신경망을 주요 기술 구성 요소로 사용한다고 가정하면, 과학적으로 매핑을 설명하는 것이 어려울 수 있습니다 ( en.wikipedia.org/wiki/Artificial_neural_network의 "단점"참조 )
—
FredrikD
동의, NN은 예측할 수 없습니다. 그들은 효과가 있거나 효과가 없지만 왜 또 다른 이야기인지 설명합니다.
—
Baarn
나는 Firstbeat 사람들 중 하나의 논문을 발견 jyx.jyu.fi/dspace/bitstream/handle/123456789/13267/...
—
댄
그의 논문을 읽음으로써 그들은 비선형 인 S 자형 / 물류 단위를 사용하는 것 같습니다. 그러나 그는 신경망을 사용하여 심박수 시계열에서 호흡 주파수를 추출합니다. 즉, 선형 회귀 공식을 직접 작성하는 데 사용하지 않고 선형 회귀 기반 모델의 기초로 사용했습니다. 목표가 무엇인지 설명해 주시겠습니까? 심박수 데이터를 정리할 수있는 경우 동일한 데이터 처리에 신경 쓸 필요가 없습니다. 찾은 공식을 사용하면됩니다.
—
Ivo Flipse
내 HR 데이터에서 실행할 수있는 알고리즘에 관심이 있기 때문에 여기에 질문을 게시했습니다. NN은 거대한 데이터 세트로 훈련 한 후 다소 검증 불가능하고 불안정한 출력을 제공하는 블랙 박스 일뿐입니다. 이 교육 데이터 세트에 액세스 할 수 없으므로 NN을 이해하는 것이 나에게 유용하지 않습니다. 나는 몇 가지 계수에만 의존하는 생리적 모델 + 사용 가능한 알고리즘에 더 관심이 있습니다. 이러한 모델의 한계를 이해하는 것이 더 쉽습니다.
—
Dan