APLICAÇÃO DA REDE NEURAL DE RETROPROPAGAÇÃO EM INDICADORES DE FADIGA ESPORTIVA

AUTOR(ES)

Wang, Xiaoli; Dai, Chunmin

FONTE

Rev Bras Med Esporte

DATA DE PUBLICAÇÃO

2021-09

RESUMO

RESUMO Introdução O treinamento de reabilitação de alta intensidade produzirá fadiga ao exercício. Objetivo Um algoritmo neural de backpropagation network (BP) é proposto para prever a fadiga esportiva com base em imagens de sinais de eletromiografia (EMG). Métodos O algoritmo de análise de componente principal é usado para reduzir a dimensão das características do sinal EMG. O ângulo da articulação do joelho é estimado usando o algoritmo de aprendizado de máquina de limite regularizado acima e o algoritmo de rede neural BP. Resultados o valor RMSE do algoritmo de aprendizado de máquina acima do limite regularizado é menor que o do algoritmo de rede neural BP. Ao mesmo tempo, o valor de ρ do algoritmo de aprendizado de máquina acima do limite regularizado está próximo de 1, indicando sua maior precisão. Conclusões O tempo de treinamento do modelo de algoritmo de aprendizado de máquina acima do limite regularizado foi bastante reduzido, o que melhora a eficiência. Nível de evidência II; Estudos terapêuticos: investigação dos resultados do tratamento.

Documentos Relacionados

• Infiltração no solo com base em rede neural de retropropagação e análise relacional grey
• Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
• Aplicação de rede neural neocognitron para reconhecimento de atributos faciais.
• ANÁLISE DOS FATORES QUE INFLUENCIAM A FADIGA ESPORTIVA BASEADA EM ALGORITIMKI
• Modelo de educação esportiva: da aprendizagem à aplicação