Estimación de la longitud del salto largo de pie a partir de sensores inerciales de teléfonos inteligentes a través de algoritmos de aprendizaje automático
Autores: De Lazzari, Beatrice; Mascia, Guido; Vannozzi, Giuseppe; Camomilla, Valentina
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 13
Citaciones: Sin citaciones
La longitud del salto largo de pie (SLJ) es ampliamente reconocida como un indicador de competencia motora en desarrollo o rendimiento condicional deportivo. Este trabajo tiene como objetivo definir una metodología que permita a atletas/entrenadores medirla fácilmente utilizando las unidades de medición inercial integradas en un teléfono inteligente. Un grupo de muestra de 114 participantes jóvenes entrenados fue reclutado y se les pidió que realizaran la tarea de SLJ instrumentada. Se identificó un conjunto de características basadas en el conocimiento biomecánico, luego la regresión Lasso permitió la identificación de un subconjunto de predictores de la longitud del SLJ que se utilizó como entrada de diferentes arquitecturas de aprendizaje automático optimizadas. Los resultados obtenidos del uso de la configuración propuesta permiten una estimación de la longitud del SLJ con un modelo de Regresión de Proceso Gaussiano con un RMSE de 0.122 m en la fase de prueba, Kendall"s < 0.1. Los modelos propuestos dan resultados homocedásticos, lo que significa que el error de los modelos no depende de la cantidad estimada. Este estudio demostró la viabilidad de utilizar sensores de bajo costo de teléfonos inteligentes para proporcionar una estimación automática y objetiva del rendimiento de SLJ en entornos ecológicos.
Descripción
La longitud del salto largo de pie (SLJ) es ampliamente reconocida como un indicador de competencia motora en desarrollo o rendimiento condicional deportivo. Este trabajo tiene como objetivo definir una metodología que permita a atletas/entrenadores medirla fácilmente utilizando las unidades de medición inercial integradas en un teléfono inteligente. Un grupo de muestra de 114 participantes jóvenes entrenados fue reclutado y se les pidió que realizaran la tarea de SLJ instrumentada. Se identificó un conjunto de características basadas en el conocimiento biomecánico, luego la regresión Lasso permitió la identificación de un subconjunto de predictores de la longitud del SLJ que se utilizó como entrada de diferentes arquitecturas de aprendizaje automático optimizadas. Los resultados obtenidos del uso de la configuración propuesta permiten una estimación de la longitud del SLJ con un modelo de Regresión de Proceso Gaussiano con un RMSE de 0.122 m en la fase de prueba, Kendall"s < 0.1. Los modelos propuestos dan resultados homocedásticos, lo que significa que el error de los modelos no depende de la cantidad estimada. Este estudio demostró la viabilidad de utilizar sensores de bajo costo de teléfonos inteligentes para proporcionar una estimación automática y objetiva del rendimiento de SLJ en entornos ecológicos.