Modele pouce

La main anatomiquement correcte (ACT) simule mécaniquement la structure musculo-squelettique des doigts et du pouce de la main humaine. Dans ce travail, nous analysons les bras de moment musculaire (MAs) et les vecteurs de force du pouce-pointe dans le pouce ACT afin de comparer la structure mécanique du pouce ACT au pouce humain. Les données de mouvement sont utilisées pour déterminer les modèles de MA en fonction de l`angle d`articulation, et les vecteurs de force tridimensionnel (3D) de bout de pouce sont analysés expérimentalement lorsque des forces sont appliquées à des muscles individuels. Les résultats sont présentés à la fois pour un modèle de pouce ACT nominal conçu pour correspondre aux MAs humains et un modèle ajusté qui reproduit plus étroitement les forces de pointe du pouce comme l`homme. Les résultats confirment que le pouce ACT est capable de représenter fidèlement la structure musculo-squelettique humaine et la fonctionnalité musculaire. L`utilisation de la main ACT comme plate-forme de simulation physique nous permet d`acquérir une meilleure compréhension des propriétés biomécaniques et neuromusculaires sous-jacentes de la main humaine pour finalement éclairer la conception et le contrôle des mains robotiques et prothétiques. Mais il y a au moins une possibilité que, pour certaines tâches prédictives au moins, moins d`informations continueront à être mieux que plus. Gerd Gigerenzer, directeur de l`Institut Max Planck pour le développement humain à Berlin, a fait le cas depuis des décennies que les heuristiques sureffectuent souvent des modèles statistiques. Dernièrement, lui et d`autres ont essayé de définir quand exactement cette surperformance est le plus susceptible de se produire. Ce travail est toujours en cours, mais en 2011 Gigerenzer et son collègue Wolfgang Gassmaier ont écrit que les heuristiques sont susceptibles de bien faire dans un environnement avec une incertitude modérée à élevée et une redondance modérée à élevée (autrement dit, les différentes séries de données disponibles sont corrélées les unes avec les autres). Cette résistance aux modèles statistiques de pointe a frustré les universitaires. Ainsi, il y a une dizaine d`années, le professeur de marketing Florian von Wangenheim (actuellement à l`Université technique de l`ETH Zurich en Suisse) et son étudiant Markus Wübben (maintenant dirigeant d`un incubateur technologique à Berlin) ont énoncé, dans les termes de Wangenheim, «convaincre les entreprises d`utiliser ces modèles. Une façon de regarder cela, c`est que c`est juste une question de temps.

Bien sûr, les êtres humains, avec «leurs capacités de calcul limitées et leurs informations incomplètes», comme le grand scientifique social Herbert Simon l`a dit, ont besoin de s`appuyer sur les raccourcis mentaux et les règles du pouce connu sous le nom heuristique. Mais comme la quantité de données que les détaillants sont en mesure de collecter augmente et les modèles prédictifs continuer à s`améliorer, les modèles deviendront inévitablement nettement mieux à prédire le comportement des clients que des règles simples. Même Simon a reconnu que, comme les ordinateurs sont devenus plus puissants et des modèles prédictifs plus sophistiqués, heuristiques pourrait perdre du terrain dans les affaires. Ce résultat n`était pas un hasard. «J`ai vu beaucoup plus de recherches dans ce domaine, de nombreuses variables ont été ajoutées à ces modèles,» dit Wangenheim. “La performance est légèrement meilleure, mais ce n`est pas encore beaucoup.” Pour ce faire, Wübben et Wangenheim ont testé la précision prédictive de Pareto/NBD et le modèle BG/NBD connexe par rapport à des méthodes plus simples comme la «heuristique hiatus» — le terme académique pour regarder combien de temps il a été depuis un client dernier acheté quoi que ce soit-en utilisant des données de un détaillant de vêtements, une compagnie aérienne mondiale et le détaillant de CD en ligne CDNow (avant d`être acquis par Amazon en 2001).

This entry was posted in Uncategorised. Bookmark the permalink.