نوع مقاله : مقاله مروری
نویسندگان
1 دانشجوی دکتری، گروه بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه مازندران، بابلسر، ایران
2 دانشیار گروه بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه مازندران، بابلسر، ایران
3 دانشیار دانشکده ریاضی، دانشگاه مازندران، بابلسر، ایران
چکیده
تاکنون مطالعه سیستماتیکی به منظور دسته‌بندی روش‌های برآورد غیرمستقیم نیروی عکس‌العمل زمین با استفاده از دیتای کینماتیک حین تکلیف دویدن و بویژه اطلاع‌رسانی درباره‌ی مطالعات انجام شده در این زمینه با استفاده از روش جدید هوش مصنوعی انجام نشده است. بنابراین مطالعه‌ی مروری حاضر، مطالعات انجام شده در زمینه‌ی برآورد نیروی عکس‌العمل زمین با استفاده از دیتای کینماتیک حین دویدن از سال2010 تا 2023 جمعآوری و بررسی کرده است. این مقالات از طریق جستجو در وب‌سایت‌های Scopus، IEEE Xplore، Medline، ScienceDirect و PubMed با کلید واژه‌های Ground Reaction Force، Kinematics، Kinetics، Camera، Video Analysis، Accelerometer، IMU، in field، Running و ترکیبی از آن‌ها، پیدا شدند. 213 مقاله در منابع مختلف یافت شد که پس از تطبیق با معیارهای ورود به تحقیق، در نهایت 17 مطالعه بررسی گردید. مرور مقالات نشان داد به علت چالش‌هایی که پژوهشگران هنگام به کار بردن ابزارهای اندازه‌گیری مستقیم نیرو با آن مواجه هستند، برآورد غیرمستقیم نیرو از داده‌های کینماتیکی مورد توجه قرار گرفته است. از میان روش‌های برآورد غیرمستقیم، مدل بیومکانیکی و آماری عدم دقت و عدم اطمینان را به همراه دارند. روش‌های یادگیری ماشین به عنوان یک ابزار انعطاف‌پذیر برای مدل‌سازی غیرخطی و بسیار کارآمد، نیازی به دانش قبلی مدل ندارند و مدل خود را براساس الگوریتم‌های شبکه عصبی مصنوعی که یک رابطه قوی بین متغیرهای ورودی و هدف می‌یابد، ایجاد می‌کنند. به همین دلیل امروزه استفاده از روش‌های یادگیری ماشین به عنوان یک رویکرد مدرن که مدل‌سازی و استراتژی‌های جمعآوری داده‌ها را ساده می‌کند برای برآورد نیرو در کانون توجه است.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
the estimation of ground reaction force using kinematic data during running, Can the machine learning method solve the limitations?
نویسندگان [English]
- Fatimah Ahmadi Godini 1
- Mansour Eslami 2
- Rohollah Yousef pour 3
1 PhD candidate, Department of Sport Biomechanics, Faculty of Sports Sciences, university of Mazandaran, Babolsar, Iran
2 Associate Professor, Department of Sport Biomechanics, Faculty of Sports Sciences, University of Mazandaran, Babolsar, Iran
3 Associate Professor, Faculty of Mathematics, University of Mazandaran,, Babolsar,, Iran
چکیده [English]
No systematic studies have been conducted to categorize the methods by which the ground reaction force could be estimated indirectly by using kinematic data and machine learning algorithms. The current review has collected and analyzed the studies conducted in the field of ground reaction force estimation using kinematic data during running from 2010 to 2023. These articles were found by searching the websites of Scopus, IEEE Xplore, Medline, ScienceDirect and PubMed using the keywords of Ground Reaction Force, Kinematics, Kinetics, Camera, Video Analysis, Accelerometer, IMU, in field, Running and a combination of them. 213 articles were found in different sources that after adapting to the inclusion criteria, finally 17 studies were reviewed. The review of articles showed that the indirect estimation of ground reaction force by using kinematic data has been considered due to the challenges that researchers face when using direct force measurement tools. Among indirect estimation methods, biomechanical and statistical models bring inaccuracy and uncertainty. As a flexible tool for nonlinear modeling and highly efficient, machine learning methods do not require prior knowledge of the model and create their model based on artificial neural network algorithms that find a strong relationship between input and target variables. For this reason, today the use of machine learning methods is of interest as a modern approach that simplifies modeling and data collection strategies for force estimation.
کلیدواژه‌ها [English]
- Machine Learning
- Ground Reaction Force
- Kinematics
- Estimation
- Running
)