Loading...
机构名称:
¥ 1.0

MVP 2024 年 3 月 14 日记录主题备忘录:美国陆军工程兵团 (Corps) 根据“‘美国水域’修订定义”批准的管辖权裁定; (88 FR 3004(2023 年 1 月 18 日)经“修订的‘美国水域’定义;符合”修订版(2023 年 9 月 8 日)修订,1 MVP-2024-00174-LAH MFR 1/1。背景。经批准的管辖权裁定 (AJD) 是一份陆军工程兵团文件,说明地块上是否存在美国水域,或一份书面声明和地图,标明地块上美国水域的界限。AJD 明确指定为可上诉的行动,并将在文件中包括 JD 的基础。2 AJD 是针对特定案件的,通常是根据请求而制定的。AJD 有效期为五年,除非新信息需要在到期日之前修改裁定,或者地区工程师在公众通知和评论后确定环境条件迅速变化的特定地理区域值得以更频繁使用。3 2023 年 1 月 18 日,环境保护署 (EPA) 和陆军部(“各机构”)发布了“‘美国水域’修订定义”88 FR 3004(2023 年 1 月 18 日)(“2023 年规则”)。2023 年 9 月 8 日,各机构发布了“‘美国水域’修订定义;符合”,该定义修订了 2023 年规则,以符合 2023 年最高法院在 Sackett v. EPA, 598 US, 143 S. Ct. 1322 (2023)(“Sackett”)一案中的判决。本记录备忘录 (MFR) 构成了 33 CFR §331.2 中定义的军团 AJD 管辖权的基础。为了本 AJD 的目的,我们依据了 1899 年《河流和港口法》(RH​​A)第 10 条、4 经修订的 2023 年规则以及其他适用指南、相关判例法和评估管辖权的长期实践。1. 结论摘要。

最有价值球员

最有价值球员PDF文件第1页

最有价值球员PDF文件第2页

最有价值球员PDF文件第3页

最有价值球员PDF文件第4页

最有价值球员PDF文件第5页

相关文件推荐

2025 年
¥18.0
2024 年

原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系,地拉那,阿尔巴尼亚 2 塞尔丘克大学计算机工程系,科尼亚,土耳其 在线发表:2024 年 12 月 30 日 接受发表:2024 年 12 月 15 日 DOI:10.7752/jpes.2024.12321 摘要:问题陈述和方法:在篮球比赛中,罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能(AI)研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法:我们使用了各种监督机器学习算法,包括:k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类,以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时,在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类:第一种方法是直接使用行数据;另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法,数据在应用于分类器之前都在 0-1 之间归一化。结果:我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外,使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化,并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论:这些结果有助于制定训练计划,以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力,可以为运动员表现和疲劳管理提供有价值的见解。关键词:智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性(Goktepe 等人,2009 年;Abdelkerim 等人,2007 年;Chappell 等人,2005 年)。例如,Goktepe 等人(2009 年)利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人(2007)展示了篮球运动员的计算机化时间运动分析,而 Chappell 等人(2005)则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是,个人之间的动作执行和技能习得存在差异。在篮球罚球中,关节角度是足以将投篮分为不同类别的基本特征(Schmidt 等人,2012;Ge,2024;Zhang & Chen,2024)。疲劳是人类活动的自然结果,会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素(Forestier & Nougier,1998;Apriantono 等人,2006),但一些研究表明疲劳对篮球罚球表现没有影响(Uygur 等人,2010;Rusdiana 等人,2019;Li,2021;Bourdas 等人,2024)。例如,Uygur 等人(2010)基于统计运动学分析发现疲劳对罚球没有显著影响。同样,Rusdiana 等人(2019)使用 SPSS 分析了罚球运动学,而 Bourdas 等人(2024)则专注于疲劳对三分跳投的影响。Li 等人(2021)研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法;文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来,高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而,体育科学中的大多数研究都集中在特定的比赛上,以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响(Uygur 等人,2010 年;Rusdiana 等人,2019 年;Li,2021 年;Bourdas 等人,2024 年)。例如,Uygur 等人(2010 年)根据统计运动学分析发现疲劳对罚球没有显著影响。同样,Rusdiana 等人(2019 年)使用 SPSS 分析了罚球运动学,而 Bourdas 等人(2024 年)则专注于疲劳对三分跳投的影响。Li 等人(2021 年)研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法;文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来,高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而,体育科学中的大多数研究都集中在特定的比赛上,以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响(Uygur 等人,2010 年;Rusdiana 等人,2019 年;Li,2021 年;Bourdas 等人,2024 年)。例如,Uygur 等人(2010 年)根据统计运动学分析发现疲劳对罚球没有显著影响。同样,Rusdiana 等人(2019 年)使用 SPSS 分析了罚球运动学,而 Bourdas 等人(2024 年)则专注于疲劳对三分跳投的影响。Li 等人(2021 年)研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法;文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来,高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而,体育科学中的大多数研究都集中在特定的比赛上,以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析

¥1.0
2022 年

视频人工智能系统的成本和收益如何?视频人工智能:初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么?成本是多少?长期收益是什么?在本白皮书中,我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能?主要原因是视觉图像包含非常重要的数据。通过使用这些数据,您可以作为一家公司脱颖而出,目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI),您可以从视频数据中获得正确的智能信息。简而言之,人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上,可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据,以便您可以在发生检测警报时快速评估和响应。此外,可以轻松检索现有视频片段。因此,您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时,会产生额外的数据。从长远来看,这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时,重要的是要正确评估总购置成本。换句话说,就是总拥有成本 (TCO)。当然,这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术,但为了使软件正常运行,外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型(本地、远程或云)的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要,因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果,确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案,而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地,也可以位于多个物理位置。将物理位置上的摄像机与(公共)云中的软件相结合也是可能的。同样,正确的 AI 实施合作伙伴的作用非常重要。

¥1.0