我正在从心率变异性中寻找能量消耗/ VO2 / EPOC计算的实现（或描述实际算法的文档）。
几本白皮书
- 耗氧量估算
- 能源支出估算
- EPOC（运动后氧气消耗过多）
- 训练效果
- 运动员的康复分析
可以在这里下载。
根据Garmin的网页，该错误比通用方法的错误小50％。
尽管这些内容令人着迷，但它们并没有告诉我们太多有关如何从心率数据实际计算这些值的知识。它说：
神经网络用于构建一个模型，该模型使用呼吸频率和开/关响应信息从RR间隔（连续心跳之间的时间）得出VO2。
即使正常的心率监测器无法提供数据，也有便宜的Polar和ANT +接收器，可以逐跳监测，例如www.sparkfun.com/products/8661（polar）或http： //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html（适用于ant +） https://code.google.com/p/hrvtracker/（程序）
可以在本文中找到热量消耗随心率变化的常规估算方法：通过进行次最大运动期间的心率监测来预测能量消耗 。
3
鉴于它们使用神经网络作为主要技术组件，因此可能难以科学地解释映射关系（请参阅en.wikipedia.org/wiki/Artificial_neural_network中的 “缺点” ）
—
FredrikD 2012年
商定，NN是不可预测的。他们要么工作，要么不工作，但解释为什么还有另一个故事。
—
巴恩2012年
我发现了一个Firstbeat人jyx.jyu.fi/dspace/bitstream/handle/123456789/13267/…的论点
—
丹
通过阅读他的论文，他们似乎使用了S形/逻辑单元，它们是非线性的。但是，他使用神经网络从心率时间序列中提取呼吸频率。这意味着他们没有使用它直接创建线性回归公式，而是将其用作线性回归所基于的模型的基础。那么，您能否解释一下您的真正目标是什么？如果可以访问清理后的心率数据，则不必费心进行相同的数据处理，只需使用找到的公式即可。
—
Ivo Flipse，2012年
我在此处发布问题是因为我对可以在自己的HR数据上运行的算法感兴趣。NN只是一个黑匣子，在使用庞大的数据集训练后，它或多或少地提供了不可验证的甚至不稳定的输出。由于我无权访问此训练数据集，因此了解NN对我而言并不太有用。我对仅依赖于几个系数的生理模型+可用算法更感兴趣。同样容易理解这种模型的局限性。
—
2012年