Loading...
Hongzhen Chen
机构名称：

Hongzhen Chen

¥ 1.0
热度

我们提供了一种方法来表征由于最佳探测状态不兼容而引起的多个参数精度之间的最小权衡，从而确定了并行方案下磁场所有三个分量估计的最终精度极限。还明确构造了达到最终精度的最佳探测状态。

添加pdf代下载 VIP点击下载文件

Hongzhen Chen

Facebook Twitter Instagram Mail

主要关键词

Hongzhen ChenPDF文件第1页

Hongzhen ChenPDF文件第2页

相关文件推荐

Bike.ai——Bernard Chen
2020 年

Bike.ai——Bernard Chen

¥1.0
第 1 页，共 6 页 Alice J. Chen 博士的证词...
2024 年

第 1 页，共 6 页 Alice J. Chen 博士的证词...

¥1.0
Eugene-Chen-CV-2024June.pdf
2024 年

Eugene-Chen-CV-2024June.pdf

¥7.0
133 Lin, J. & Chen, S. 1998. ...之间的关系
2025 年

133 Lin, J. & Chen, S. 1998. ...之间的关系

¥1.0
Wang, Y., Li, N., Chen, L., Wu, M., Meng, S., Dai, Z., Zhang, Y., & Clarke, M. (2023). 指南、共识声明和使用标准
2023 年

Wang, Y., Li, N., Chen, L., Wu, M., Meng, S., Dai, Z., Zhang, Y., & Clarke, M. (2023). 指南、共识声明和使用标准

¥2.0
这是以下文章的同行评审版本：H. Zhang, W. Yu, J. Guo, C. Xu, Z. Ren, K. Liu, G. Yang, M. Qin, J. Huang, Z. Chen, Q. Lia
2023 年

这是以下文章的同行评审版本：H. Zhang, W. Yu, J. Guo, C. Xu, Z. Ren, K. Liu, G. Yang, M. Qin, J. Huang, Z. Chen, Q. Lia

¥3.0
引用：Zhang, F.、Salazar-Miranda, A.、Duarte, F.、Vale, L.、Hack, G.、Chen, M.、… Ratti, C. (2024)。城市视觉智能：利用人工智能和街道级图像研究城市。美国地理学家协会年鉴，114(5)，876–897。
2024 年

引用：Zhang, F.、Salazar-Miranda, A.、Duarte, F.、Vale, L.、Hack, G.、Chen, M.、… Ratti, C. (2024)。城市视觉智能：利用人工智能和街道级图像研究城市。美国地理学家协会年鉴，114(5)，876–897。

¥2.0
如何引用本文：Sun B, Pang W, Chen M, Zhu D. Development and Experimental Verify of Search and Rescue ROV. Intell Robot 2022;2(4):355-70. http://dx.doi.org/10.20517/ir.2022.23。
2022 年

如何引用本文：Sun B, Pang W, Chen M, Zhu D. Development and Experimental Verify of Search and Rescue ROV. Intell Robot 2022;2(4):355-70. http://dx.doi.org/10.20517/ir.2022.23。

¥1.0
推荐引用 推荐引用 Hojjati, Yalda；Chen, YuanYuan；和 Raja, Uzma，“可解释性对基于集体兴趣的人工智能推荐系统的影响”（2024 年）。AMCIS 2024 TREOs。 183. https://aisel.aisnet.org/treos_amcis2024/183
2024 年

推荐引用 推荐引用 Hojjati, Yalda；Chen, YuanYuan；和 Raja, Uzma，“可解释性对基于集体兴趣的人工智能推荐系统的影响”（2024 年）。AMCIS 2024 TREOs。 183. https://aisel.aisnet.org/treos_amcis2024/183

¥1.0
引用：Chen, Y.、Stavropoulou, C.、Narasinkan, R.、Baker, A. 和 Scarbrough, H. (2021)。专业人士对放射学引入 AI 创新的反应及其对未来应用的影响：一项定性研究。BMC Health Services Research，21(1)，813。doi：10.1186/s12913-021-06861-y
2022 年

引用：Chen, Y.、Stavropoulou, C.、Narasinkan, R.、Baker, A. 和 Scarbrough, H. (2021)。专业人士对放射学引入 AI 创新的反应及其对未来应用的影响：一项定性研究。BMC Health Services Research，21(1)，813。doi：10.1186/s12913-021-06861-y

¥1.0
文章：Wang, W.、Chen, L.、Xiong, M. orcid.org/0000-0003-1974-9188 等（另外 1 位作者）（2023 年）通过负责任的 AI 信号和医疗保健领域的员工参与机制加速 AI 的采用。信息系统前沿，25 (6)。第 2239-2256 页。ISSN 1387-3326
2023 年

文章：Wang, W.、Chen, L.、Xiong, M. orcid.org/0000-0003-1974-9188 等（另外 1 位作者）（2023 年）通过负责任的 AI 信号和医疗保健领域的员工参与机制加速 AI 的采用。信息系统前沿，25 (6)。第 2239-2256 页。ISSN 1387-3326

¥1.0
推荐引用 推荐引用 Chen, Dan，“人工智能 (AI) 在员工选拔中的应用：基于算法的决策辅助工具如何影响招聘人员在简历筛选中的决策”（2022 年）。管理学位论文。71. https://mavmatrix.uta.edu/management_dissertations/71
2024 年

推荐引用 推荐引用 Chen, Dan，“人工智能 (AI) 在员工选拔中的应用：基于算法的决策辅助工具如何影响招聘人员在简历筛选中的决策”（2022 年）。管理学位论文。71. https://mavmatrix.uta.edu/management_dissertations/71

¥12.0
出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z
2025 年

出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z

¥1.0
请引用原文：Yu, G., Tabatabaei, M., Mezei, J., Zhong, Q., Chen, S., Li, Z., Li, J., Shu, L., & Shu, Q. (2022). Improving chronic disease management for children with knowledge graphs and Artificial Intelligence. Expert Systems with Applications, 201, Article 117026. https://doi.org/10.1016/j.eswa.2022.117026
2022 年

请引用原文：Yu, G., Tabatabaei, M., Mezei, J., Zhong, Q., Chen, S., Li, Z., Li, J., Shu, L., & Shu, Q. (2022). Improving chronic disease management for children with knowledge graphs and Artificial Intelligence. Expert Systems with Applications, 201, Article 117026. https://doi.org/10.1016/j.eswa.2022.117026

¥1.0
引用本文：Fan Zhang、Arianna Salazar-Miranda、Fábio Duarte、Lawrence Vale、Gary Hack、Min Chen、Yu Liu、Michael Batty 和 Carlo Ratti（2024 年 4 月 8 日）：城市视觉智能：利用人工智能和街道级图像研究城市，《美国地理学家协会年鉴》，DOI：10.1080/24694452.2024.2313515
2024 年

引用本文：Fan Zhang、Arianna Salazar-Miranda、Fábio Duarte、Lawrence Vale、Gary Hack、Min Chen、Yu Liu、Michael Batty 和 Carlo Ratti（2024 年 4 月 8 日）：城市视觉智能：利用人工智能和街道级图像研究城市，《美国地理学家协会年鉴》，DOI：10.1080/24694452.2024.2313515

¥2.0
出版详情：Liu, T., Tsang, W., Huang, F., Lau, OY, Chen, Y., Sheng, J., Guo, Y., Akinwunmi, B., Zhang, C. JP., & Ming, W.-K. (2021). 中国 SARS-CoV-2 大流行期间患者对人工智能应用与临床医生在疾病诊断中的偏好：离散选择实验。《医学互联网研究杂志》，23(2)，文章 e22841。https://doi.org/10.2196/22841
2025 年

出版详情：Liu, T., Tsang, W., Huang, F., Lau, OY, Chen, Y., Sheng, J., Guo, Y., Akinwunmi, B., Zhang, C. JP., & Ming, W.-K. (2021). 中国 SARS-CoV-2 大流行期间患者对人工智能应用与临床医生在疾病诊断中的偏好：离散选择实验。《医学互联网研究杂志》，23(2)，文章 e22841。https://doi.org/10.2196/22841

¥1.0
出版详情：Shen, J., Chen, J., Zheng, Z., Zheng, J., Liu, Z., Song, J., Wong, SY, Wang, X., Huang, M., Fang, P.-H., Jiang, B., Tsang, W., He, Z., Liu, T., Akinwunmi, B., Wang, CC, Zhang, CJP, Huang, J., & Ming, W.-K. (2020)。一种用于诊断妊娠期糖尿病的创新型人工智能应用程序 (GDM-AI)：开发研究。医学互联网研究杂志，22(9)，文章 e21573。https://doi.org/10.2196/21573
2025 年

出版详情：Shen, J., Chen, J., Zheng, Z., Zheng, J., Liu, Z., Song, J., Wong, SY, Wang, X., Huang, M., Fang, P.-H., Jiang, B., Tsang, W., He, Z., Liu, T., Akinwunmi, B., Wang, CC, Zhang, CJP, Huang, J., & Ming, W.-K. (2020)。一种用于诊断妊娠期糖尿病的创新型人工智能应用程序 (GDM-AI)：开发研究。医学互联网研究杂志，22(9)，文章 e21573。https://doi.org/10.2196/21573

¥1.0
出版详情：Liu, T., Tsang, W., Xie, Y., Tian, K., Huang, F., Chen, Y., Lau, O., Feng, G., Du, J., Chu, B., Shi, T., Zhao, J., Cai, Y., Hu, X., Akinwunmi, B., Huang, J., Zhang, CJP, & Ming, W.-K. (2021). 新冠疫情前和疫情期间人工智能临床医生的偏好：离散选择实验和倾向得分匹配研究。医学互联网研究杂志，23(3)，文章 e26997。https://doi.org/10.2196/26997
2025 年

出版详情：Liu, T., Tsang, W., Xie, Y., Tian, K., Huang, F., Chen, Y., Lau, O., Feng, G., Du, J., Chu, B., Shi, T., Zhao, J., Cai, Y., Hu, X., Akinwunmi, B., Huang, J., Zhang, CJP, & Ming, W.-K. (2021). 新冠疫情前和疫情期间人工智能临床医生的偏好：离散选择实验和倾向得分匹配研究。医学互联网研究杂志，23(3)，文章 e26997。https://doi.org/10.2196/26997

¥1.0
Kerdvibulvec, C. 和 Chen, L. (2020)。新冠疫情期间增强现实和人工智能的力量。在 C. Stephanidis、M. Kurosu、H. Degen 和 L. Reinerman-Jones (Eds.) 中，HCI International 2020 - 最新论文：多模态和智能：第 22 届 HCI 国际会议，HCII 2020，丹麦哥本哈根，2020 年 7 月 19-24 日，会议录 (第 12424 卷，第 467-476 页)。（计算机科学讲义（包括人工智能讲义和生物信息学讲义子系列）；第 12424 卷 LNCS）。施普林格国际出版公司。 https://doi.org/10.1007/978-3-030-60117-1_34 阿尔斯特大学研究门户中的出版记录链接
2020 年

Kerdvibulvec, C. 和 Chen, L. (2020)。新冠疫情期间增强现实和人工智能的力量。在 C. Stephanidis、M. Kurosu、H. Degen 和 L. Reinerman-Jones (Eds.) 中，HCI International 2020 - 最新论文：多模态和智能：第 22 届 HCI 国际会议，HCII 2020，丹麦哥本哈根，2020 年 7 月 19-24 日，会议录 (第 12424 卷，第 467-476 页)。（计算机科学讲义（包括人工智能讲义和生物信息学讲义子系列）；第 12424 卷 LNCS）。施普林格国际出版公司。 https://doi.org/10.1007/978-3-030-60117-1_34 阿尔斯特大学研究门户中的出版记录链接

¥1.0
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
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