Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―

797 views

Published on

Hijiyama.R the Final (2017/11/26) のLTで発表した資料です。

Published in: Data & Analytics
  • Be the first to comment

今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―

  1. 1. 今日は何回やればいいのか ー状態空間モデルで最大挙上重量を推定し、挙上回数を決めるー 2017.11.26 (13:00~17:00) The Final #HijiyamaR 広島大学大学院教育学研究科 平川 真
  2. 2. 自己紹介 ✔@hirakawamakoto ✔専門:ことばの使用・理解についての社会心理学的研究 コミュニケーションについて考えています ✔趣味:筋トレ 2 事務なの?GYMなの?
  3. 3. デッドリフト 身体の裏側の大部分を鍛える最高の種目 ただし適切に実施しないと怪我をしやすい→ 3
  4. 4. フォーム解説のおすすめ動画 【肉体】正しいデッドリフト講座【改造】 AF版 - YouTube 4
  5. 5. 漸新性過負荷の原則 筋肉の成長には、普段より少し大きい負荷をかけることが必要 トレーニングの負荷を決める要因 ・挙上重量 ・挙上回数 ・筋緊張時間 ・セット数 ・セット間インターバルの時間 ・トレーニング頻度 etc 5
  6. 6. 適切な負荷の設定の仕方 筋肥大に効果的な重量:70%1RM ~ 85%1RM * 1RM (repetition maximum) = 1回挙上できる重量 1RMに対する割合と反復回数の表 → 1RMがわかれば、 適切な重量と回数が設定できる 6 %RM Reps 100 1 90 4 85 6 80 8 75 10 70 12 65 18
  7. 7. 適切な負荷の設定の仕方 使用重量 (weight) と挙上回数 (reps) から1RMを計算する式 𝐸𝑝𝑙𝑒𝑦 (1985) 1𝑅𝑀 = 𝑤𝑒𝑖𝑔ℎ𝑡 ∗ 1 + 𝑟𝑒𝑝𝑠 30 ある日、40㎏で13回できたとすると 1RM は 40 ∗ 1 + 13 30 = 57.333 80%RMは 57.333 ∗ 0.8 = 45.86 ⇒ 45.86kg で 8回! 7
  8. 8. 45.86kg ? 今日、使いたい重量を入力したら、 何回やればいいのかを出力してくれる関数がほしい!! 8
  9. 9. つくってみた today_reps() 9 ↓dat_dl.csv 使いたい重量を引数にすると 何回やればいいのかを教えてくれる!
  10. 10. 関数のなか 10 これまでのトレーニングデータから、 状態空間モデルで真の1RMを推定し、 今回あつかう重さでの挙上回数を提案する
  11. 11. 状態空間モデル 観測値t=状態t+観測誤差 状態t+1=状態t+過程誤差 筋力とパフォーマンスを区別できる 1RMの変化は、筋力が変化したからなのか パフォーマンスの良し悪しの変動のためなのか 11 Stanで体重の推移をみつめてみた(状態空間モデル) http://kosugitti.net/archives/5786 ↑使用重量と回数から計算した 各時点の1RMの推移
  12. 12. 状態空間モデルいろいろ ローカルレベルモデル ローカル線形トレンドモデル 12 𝑦𝑡 = 𝜇 𝑡 + 𝜖 𝑡, 𝜖 𝑡~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜖 2 𝜇 𝑡+1 = 𝜇 𝑡 + 𝜉𝑡, 𝜉𝑡~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜉 2 𝑦𝑖 = 𝑎 + 𝑏𝑥1 + 𝜖𝑖 , 𝜖𝑖~𝑁𝑜𝑟𝑚𝑎𝑙 (0, 𝜎𝜖 2 ) (参考) 回帰モデル 𝑦𝑡 = 𝜇 𝑡 + 𝜖 𝑡, 𝜖 𝑡~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜖 2 𝜇 𝑡+1 = 𝜇 𝑡 + 𝜈𝑡 + 𝜉𝑡, 𝜉𝑡 ~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜉 2 𝜈𝑡+1 = 𝜈𝑡 + 𝜁𝑡, 𝜁𝑡 ~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜁 2 切片(レベル)が時点ごと(局所的)に 変化することを許容するモデル 傾き(トレンド)も時点ごと(局所的)に 変化することを許容するモデル 切片と傾きが固定(大域的) 𝑦𝑡 = 𝜇 𝑡 + 𝜖 𝑡, 𝜖 𝑡~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜖 2 𝜇 𝑡+1 = 𝜇 𝑡 + 𝜈 + 𝜉𝑡, 𝜉𝑡 ~𝑁𝑜𝑟𝑚𝑎𝑙 0, 𝜎𝜉 2 ↑傾きを固定してもよい
  13. 13. データの確認 デッドリフトの使用重量と挙上回数の67ポイントのデータ 13
  14. 14. 𝜇 𝑡の信頼区間と予測分布 ローカルレベル グローバルトレンド ローカルトレンド 14
  15. 15. オーバーヘッドプレスのデータで ローカルレベル グローバルトレンド ローカルトレンド 15
  16. 16. 16 Enjoy!

×