文献

J-GLOBAL ID：202102228586382041   整理番号：21A0071770

スプリング負荷倒立振り子モデリングは,地盤反力のニューラルネットワーク推定を改善する【JST・京大機械翻訳】

Spring-loaded inverted pendulum modeling improves neural network estimation of ground reaction forces

著者 (3件)： Kim Bumjoon (Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea) ,  Lim Hyerim (Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea) ,  Park Sukyung (Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea)
資料名： Journal of Biomechanics  (Journal of Biomechanics)
巻： 113  ページ： Null  発行年： 2020年 
JST資料番号： D0632A  ISSN： 0021-9290  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 慣性測定ユニット(IMU)に基づくウェアラブル歩行モニタリングシステムは運動学的情報を提供するが,歩行対称性と関節負荷を評価するためには,地面反力(GRF)のような運動情報がしばしば必要である。最近の研究では,人工ニューラルネットワーク(ANN)を用いてIMU測定データからGRFsを予測する方法が報告されている。信頼できる予測を得るために,ANNはウェアラブル利便性のコストで多数の測定入力を必要とする。本研究では,質量中心(CoM)とGRF間の動的関係をばね力学を用いて良く表すことができることを認識して,本研究では,ニューラルネットワークにおける歩行動力学の実装に基づく2つのGRF予測法を提案した。【方法】1は,CoM運動学データと方法2がスプリング力学を適用することによってCoM運動学から近似する力を使用するネットワークに入力する。7名の若年健常者の歩行データを様々な歩行速度で集めた。Leave-one-out交差確認を,予測性能の定量的尺度として正規化二乗平均平方根誤差とrを用いて実行した。両方法を用いて得た垂直および前後(AP)GRFsは実験データと良く一致したが,方法2は方法1と比較してAP GRFの予測を改善した(p=0.005)。これらの結果は,ニューラルネットワークと組み合わせた歩行の動的特性の知識が,GRF予測の効率と精度を強化し,ウェアラブル技術の情報豊富性とウェアラブル利便性の間のトレードオフを解決するのに役立つことを意味する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  対称性 ,  *ネットワーク ,  *ニューラルネットワーク ,  重心 ,  監視装置 ,  *地盤反力 ,  正規化 ,  *倒立振り子 ,  機械学習 ,  床反力 ,  生体力学
準シソーラス用語： ウェアラブル ,  健常者 ,  歩行速度 , 【Automatic Indexing@JST】

著者キーワード (6件)： バイオメカニクス ,  機械学習 ,  歩行 ,  地盤反力 ,  ばね力学 ,  ウェアラブル

分類 (2件)： 筋骨格系・皮膚モデル  (EL02040R) ,  筋肉・運動系一般  (EJ10010V)

タイトルに関連する用語 (6件)： スプリング ,  倒立振り子 ,  モデリング ,  地盤反力 ,  ニューラルネットワーク ,  推定