مرور روش های برآورد نیروی عکس العمل زمین از داده های کینماتیک در دویدن، آیا روش یادگیری ماشین می تواند محدودیت ها را رفع نماید؟(مقاله علمی وزارت علوم)
منبع:
مطالعات طب ورزشی تابستان ۱۴۰۳ شماره ۴۰
17 - 46
حوزههای تخصصی:
تاکنون مطالعه سیستماتیکی به منظور دسته بندی روش های برآورد غیرمستقیم نیروی عکس العمل زمین با استفاده از دیتای کینماتیک حین تکلیف دویدن و بویژه اطلاع رسانی درباره ی مطالعات انجام شده در این زمینه با استفاده از روش جدید هوش مصنوعی انجام نشده است. بنابراین مطالعه ی مروری حاضر، مطالعات انجام شده در زمینه ی برآورد نیروی عکس العمل زمین با استفاده از دیتای کینماتیک حین دویدن از سال2010 تا 2023 جمع آوری و بررسی کرده است. این مقالات از طریق جستجو در وب سایت های Scopus، IEEE Xplore، Medline، ScienceDirect و PubMed با کلید واژه های Ground Reaction Force، Kinematics، Kinetics، Camera، Video Analysis، Accelerometer، IMU، in field، Running و ترکیبی از آن ها، 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 چالش هایی که پژوهشگران هنگام به کار بردن ابزارهای اندازه گیری مستقیم نیرو با آن مواجه هستند، برآورد غیرمستقیم نیرو از داده های کینماتیکی مورد توجه قرار گرفته است. از میان روش های برآورد غیرمستقیم، مدل بیومکانیکی و آماری عدم دقت و عدم اطمینان را به همراه دارند. روش های یادگیری ماشین به عنوان یک ابزار انعطاف پذیر برای مدل سازی غیرخطی و بسیار کارآمد، نیازی به دانش قبلی مدل ندارند و مدل خود را براساس الگوریتم های شبکه عصبی مصنوعی که یک رابطه قوی بین متغیرهای ورودی و هدف می یابد، ایجاد می کنند. به همین دلیل امروزه استفاده از روش های یادگیری ماشین به عنوان یک رویکرد مدرن که مدل سازی و استراتژی های جمع آوری داده ها را ساده می کند برای برآورد نیرو در کانون توجه است.