APLICAÇÃO DA REDE NEURAL DE RETROPROPAGAÇÃO EM INDICADORES DE FADIGA ESPORTIVA

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.

Exercício, alta intensidade; Fadiga; Articulação do Joelho