3、运动学习与机器学习：预测学习追踪任务所需的训练次数

运动学习与机器学习：预测学习追踪任务所需的训练次数

一、引言

在我们的日常生活中，很大一部分时间都用于学习新的运动技能，像走路、书写、驾驶、进行体育活动等。运动任务是我们与周围世界互动的主要方式，因此，由于神经系统疾病而丧失执行某些运动任务的能力，对个人来说是严重的损害。

虽然目前有很多关于运动学习的研究，主要集中在如何缩短技能获取或运动康复的时间，但对于预测运动学习获取情况的研究却相对较少。不过，预测算法已经在多个不同的研究领域取得了成功应用，如科学、健康科学、技术和物流等领域。每天都会产生大量的数据，处理这些数据的应用程序可以辅助决策。这些预测算法能够进行新的分析，构建新的模式，并为以前只能由领域专家处理的问题建立新的关联。

例如，机器学习算法已被用于预测中风后患者的日常活动。还有研究创建了模型来预测患者中风后日常生活活动的独立水平，以及提出预测模型来评估中风的进展情况，以功能独立性测量（FIM）作为指标，且FIM可以通过患者的特征进行估计。但目前还没有研究对运动学习进行估计，因此，本文将机器学习算法与运动学习任务相结合，以估计受试者学习一项运动任务所需的训练次数。

二、材料与方法

2.1 参与者

最初，邀请了15名来自马拉尼昂联邦大学（UFMA）的健康志愿者（包括学生和教授）参与实验。所有参与者都签署了授权书，同意将其收集的数据用于研究目的，同时本研究会保护参与者的隐私。

在实验开始前，所有参与者都完成了爱丁堡利手问卷。只有利手商等于或大于61（即右利手）的参与者才会被纳入实验。此外，参与者还完成了葡萄牙语翻译版的贝克抑郁量表，以识别可能影响实验结果的抑郁症状。得分超过12分的参与者将被