Loading...
Liang Li
机构名称：

Liang Li

¥ 1.0
热度

1.Mengda He、Qinggang Zhang、Francesco Carulli、Andrea Erroi、Weiyu Wei、Long Kong、Changwei Yuan、Qun Wan、明明刘、Xinrong Liao、Wenji Zhan、Lei Han、XiaojunGuo、Sergio Brovelli、Liang Li*，用于 μ-LED 中高效颜色转换的超稳定、可溶液加工的 CsPbBr3-SiO2 纳米球，ACS Energy Lett。 2023, 8, 151–158 2. Matteo L. Zaffalon、Francesca Cova、刘明明、Alessia Cemmi、Ilaria Di、Sarcina、Francesca Rossi、Francesco Carulli1、Andrea Erroi1、Carmelita Rodà、Jacopo Perego、Angi olina Comotti、Mauro Fasoli、Francesco Meinardi、Liang Li *、Anna Vedda*, Sergio Brov elli* 钙钛矿纳米晶体中的极高 γ 射线辐射硬度和高闪烁产率，《自然光子学》，2022, 16, 860–868。 3. 张清刚,刘世强,何孟达,郑伟林,万群,刘明明,廖新荣,詹文吉,袁昌伟,刘金宇,谢海娇,郭晓军,龙龙*,梁丽 * 通过抑制锡(II)氧化，稳定无铅卤化锡钙钛矿，运行稳定性>1200小时，Angewandte化学国际版，2022，61，e2022054。 4.青钢。张孟达.何，万群，郑伟林，刘敏敏，从阳。 Zhang, Xin rong Liao, Wenji Zhan, Long Kong, Xiaojun Guo, Liang Li* , 通过构建宽带隙表面层抑制铅卤化物钙钛矿纳米晶体的热猝灭以实现热稳定的白光发光二极管, Chemical Science 2022, 13 3719- 3727。 5. Congyang Zhang, Qun Wan, Luis K Ono, Yuqiang Liu, Weilin Zheng, Qinggang Zhang, Mingming Liu, Long Kong, Liang Li*, Yabing Qi*, “基于稳定的铯铅氯化钙钛矿纳米晶体的窄带紫光发光二极管” ACS Energy Lett 。 2021,6,3545-355。 6. Mingming Liu, Qun Wan, Huamiao Wang, Fr​​ancesco Carulli, Xiaochuan Sun, Weilin Zhe ng, Long Kong, Qi Zhang, Congyang Zhang, Qinggang Zhang, Sergio Brovelli*, Liang Li *, 抑制钙钛矿纳米晶体的温度猝灭以实现高效和热稳定的发光二极管, Nature Photonics , 2021, 15, 379–385. 7. Congyang Zhang, Wanbin Li, Liang Li ∗ , 金属卤化物钙钛矿纳米晶体在金属

添加pdf代下载 VIP点击下载文件

Liang Li

Facebook Twitter Instagram Mail

主要关键词

Liang LiPDF文件第1页

Liang LiPDF文件第2页

Liang LiPDF文件第3页

Liang LiPDF文件第4页

相关文件推荐

多元数据分析 - Eldon Y. Li
2022 年

多元数据分析 - Eldon Y. Li

¥83.0
论对人类的信任和对人工智能的信任 - Benjy Li
2024 年

论对人类的信任和对人工智能的信任 - Benjy Li

¥1.0
Weihan Li - 基于物理模型的电池数字孪生
2022 年

Weihan Li - 基于物理模型的电池数字孪生

¥26.0
Bo Li 芝加哥大学/UIUC 和 Virtue AI
2024 年

Bo Li 芝加哥大学/UIUC 和 Virtue AI

¥3.0
适用于太空应用的先进 Li-CFx 技术
2024 年

适用于太空应用的先进 Li-CFx 技术

¥2.0
Zeta Energy 的 Li-S 电池已准备好实现商业化
2024 年

Zeta Energy 的 Li-S 电池已准备好实现商业化

¥1.0
2012 年矿产和采矿（爆炸物）条例（Li ...
2017 年

2012 年矿产和采矿（爆炸物）条例（Li ...

¥12.0
2022 年 7 月 28 日 Ben Li，AlphaBow Energy Ltd. (A7H2) 首席执行官 #...
2022 年

2022 年 7 月 28 日 Ben Li，AlphaBow Energy Ltd. (A7H2) 首席执行官 #...

¥1.0
引用 Xu D, Wu J, Yu J, Yang Y, Wen X, Yang J, Wei H, Xu X, Li Y, Yang L, Wang L, Wang Y, Ma W 和 Li N (2024) dom 的历史对照研究
1900 年

引用 Xu D, Wu J, Yu J, Yang Y, Wen X, Yang J, Wei H, Xu X, Li Y, Yang L, Wang L, Wang Y, Ma W 和 Li N (2024) dom 的历史对照研究

¥1.0
引用：Ding, X.、Li, Y.、Li, D.、Li, L. 和 Liu, X. (2020)。使用机器学习方法区分甲基苯丙胺依赖患者
2023 年

引用：Ding, X.、Li, Y.、Li, D.、Li, L. 和 Liu, X. (2020)。使用机器学习方法区分甲基苯丙胺依赖患者

¥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
原始发表论文的引用（记录版本）：Li, X., Shong, K., Kim, W. et al (2022)。透明细胞 r 候选药物预测
1900 年

原始发表论文的引用（记录版本）：Li, X., Shong, K., Kim, W. et al (2022)。透明细胞 r 候选药物预测

¥1.0
出版详情：Du, H., Dai, W., Zhou, Q., Li, C., Li, SC, Wang, C., Tang, J., Wu, X., & Wu, R. (2023)。人工智能辅助系统提高了工作效率
2025 年

出版详情：Du, H., Dai, W., Zhou, Q., Li, C., Li, SC, Wang, C., Tang, J., Wu, X., & Wu, R. (2023)。人工智能辅助系统提高了工作效率

¥1.0
引文 Zhou Z, Lin Y, Liu N, Zhang Y, Li B 和 Wang Y (2025) 内皮细胞衍生的细胞外基质在定向 PCL 上的梯度涂层
2025 年

引文 Zhou Z, Lin Y, Liu N, Zhang Y, Li B 和 Wang Y (2025) 内皮细胞衍生的细胞外基质在定向 PCL 上的梯度涂层

¥1.0
Ting Hu a, *, Qize Zhong a , Nanxi Li, Yuan Dong, Zhengji Xu, Yuan Hsing Fu, Dongdong Li, Vladimir Bliznetsov, Yanyan Zhou, Keng Heng Lai, Qunying Lin
2020 年

Ting Hu a, *, Qize Zhong a , Nanxi Li, Yuan Dong, Zhengji Xu, Yuan Hsing Fu, Dongdong Li, Vladimir Bliznetsov, Yanyan Zhou, Keng Heng Lai, Qunying Lin

¥1.0
Baranda, J., Mangues-Bafalluy, J., Zeydan, E., Vettori, L., Martínez, R., X. Li, X., Garcia-Saavedra, A., ... CJ Bernardos, CJ (2020)。论 5Growth 平台中基于 AI/ML 的扩展操作的集成。2020 年 IEEE 网络功能虚拟化和软件定义网络 (NFV-SDN) 会议。
2020 年

Baranda, J., Mangues-Bafalluy, J., Zeydan, E., Vettori, L., Martínez, R., X. Li, X., Garcia-Saavedra, A., ... CJ Bernardos, CJ (2020)。论 5Growth 平台中基于 AI/ML 的扩展操作的集成。2020 年 IEEE 网络功能虚拟化和软件定义网络 (NFV-SDN) 会议。

¥1.0
文章：Li, S. orcid.org/0000-0002-0147-8888，Peng, G.，Xing, F. 等人（另外 2 位作者）（2021 年）工业 AI 中的价值共同创造：B2B 供应商、客户和技术提供商的互动作用。工业营销管理，98. 第 105-114 页。ISSN 0019-8501
2023 年

文章：Li, S. orcid.org/0000-0002-0147-8888，Peng, G.，Xing, F. 等人（另外 2 位作者）（2021 年）工业 AI 中的价值共同创造：B2B 供应商、客户和技术提供商的互动作用。工业营销管理，98. 第 105-114 页。ISSN 0019-8501

¥3.0
引用：McGrath KC、Li X、Twigg SM、Heather AK (2020) 载脂蛋白-AI 模拟肽 D-4F 和 L-5F 可减轻 C57BL/6 小鼠的肝脏炎症并增加胰岛素敏感性。PLoS ONE 15(1): e0226931。 https://doi.org/10.1371/ journal.pone.0226931
2020 年

引用：McGrath KC、Li X、Twigg SM、Heather AK (2020) 载脂蛋白-AI 模拟肽 D-4F 和 L-5F 可减轻 C57BL/6 小鼠的肝脏炎症并增加胰岛素敏感性。PLoS ONE 15(1): e0226931。 https://doi.org/10.1371/ journal.pone.0226931

¥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
论文编号 716 视觉和教学增强弹射和跳伞虚拟现实降落伞模拟训练 2008 年 10 月 16 日 Jeffrey R. Hogue Cecy A. Pelz Noah S. Brickman Chi-Ying Liang 博士 John K. Grant Edward N. Bachelder 博士 Robert D. Gates 论文发表：第 46 届 SAFE 研讨会，内华达州里诺市 2008 年 10 月 27-29 日
2008 年

论文编号 716 视觉和教学增强弹射和跳伞虚拟现实降落伞模拟训练 2008 年 10 月 16 日 Jeffrey R. Hogue Cecy A. Pelz Noah S. Brickman Chi-Ying Liang 博士 John K. Grant Edward N. Bachelder 博士 Robert D. Gates 论文发表：第 46 届 SAFE 研讨会，内华达州里诺市 2008 年 10 月 27-29 日

¥1.0
论文编号 716 视觉和教学增强型弹射和跳伞虚拟现实降落伞模拟训练 2008 年 10 月 16 日 Jeffrey R. Hogue Cecy A. Pelz Noah S. Brickman Chi-Ying Liang，博士。John K. Grant Edward N. Bachelder，博士。 Robert D. Gates 论文发表于：第 46 届 SAFE 研讨会，内华达州里诺市，2008 年 10 月 27-29 日
2008 年

论文编号 716 视觉和教学增强型弹射和跳伞虚拟现实降落伞模拟训练 2008 年 10 月 16 日 Jeffrey R. Hogue Cecy A. Pelz Noah S. Brickman Chi-Ying Liang，博士。John K. Grant Edward N. Bachelder，博士。 Robert D. Gates 论文发表于：第 46 届 SAFE 研讨会，内华达州里诺市，2008 年 10 月 27-29 日

¥1.0
建议引用：Regona, Massimo；Yigitcanlar, Tan；Xia, Bo；Li, Rita Yi Man (2022)：人工智能在建筑行业应用的机遇与挑战：PRISMA 评论，《开放创新：技术、市场与复杂性》期刊，ISSN 2199-8531，MDPI，巴塞尔，第 8 卷，Iss。1，第 1-31 页，https://doi.org/10.3390/joitmc8010045
2025 年

建议引用：Regona, Massimo；Yigitcanlar, Tan；Xia, Bo；Li, Rita Yi Man (2022)：人工智能在建筑行业应用的机遇与挑战：PRISMA 评论，《开放创新：技术、市场与复杂性》期刊，ISSN 2199-8531，MDPI，巴塞尔，第 8 卷，Iss。1，第 1-31 页，https://doi.org/10.3390/joitmc8010045

¥3.0
Leena Matikainen, Milo š Pand ž ic´, Fashuai Li, Kirsi Karila, Juha Hyyppä, Paula Litkey, Antero Kukko, Matti Lehtomäki, Mika Karjalainen, Eetu Puttonen，“利用多时相多光谱机载激光扫描，Sentinel-2，和移动激光扫描在地图更新中的应用，”J. Appl。遥感. 13 (4), 044504 (2019), doi: 10.1117/1.JRS.13.4.044504。
2023 年

Leena Matikainen, Milo š Pand ž ic´, Fashuai Li, Kirsi Karila, Juha Hyyppä, Paula Litkey, Antero Kukko, Matti Lehtomäki, Mika Karjalainen, Eetu Puttonen，“利用多时相多光谱机载激光扫描，Sentinel-2，和移动激光扫描在地图更新中的应用，”J. Appl。遥感. 13 (4), 044504 (2019), doi: 10.1117/1.JRS.13.4.044504。

¥3.0
人工智能-大语言模型 (AI-LLM) 在产科实践中提供可靠、准确的心宫图 (CTG) 解释 Khanisyah Erza Gumilar 1,2,* , Manggala Pasca Wardhana 3 , Muhammad Ilham Aldika Akbar 2 , Agung Sunarko Putra 4 , Dharma Putra Perjuangan Banjarnahor 5 , 瑞安Saktika Mulyana 6 , Ita Fatati 7 , Zih-Ying Yu 8 , Yu-Cheng Hsu 8,9 , Erry Gumilar Dachlan 2 , Chien-Hsing Lu 10 , Li-Na Liao 8,* , Ming Tan 1,11,* 分区>
2024 年

人工智能-大语言模型 (AI-LLM) 在产科实践中提供可靠、准确的心宫图 (CTG) 解释 Khanisyah Erza Gumilar 1,2,* , Manggala Pasca Wardhana 3 , Muhammad Ilham Aldika Akbar 2 , Agung Sunarko Putra 4 , Dharma Putra Perjuangan Banjarnahor 5 , 瑞安Saktika Mulyana 6 , Ita Fatati 7 , Zih-Ying Yu 8 , Yu-Cheng Hsu 8,9 , Erry Gumilar Dachlan 2 , Chien-Hsing Lu 10 , Li-Na Liao 8,* , Ming Tan 1,11,* 分区>

¥1.0
人工智能驱动的有效镜片位置预测提高了现有镜片公式的准确性 Tingyang Li，BS 1；Joshua D. Stein，MD，MS 2,3,4； Nambi Nallasamy，医学博士 1,2 1 密歇根大学计算医学和生物信息学系 2 密歇根大学凯洛格眼科中心眼科和视觉科学系 3 密歇根大学眼科政策与创新中心，密歇根州安娜堡 4 密歇根大学公共卫生学院卫生管理与政策系，密歇根州安娜堡 通讯作者：Nambi Nallasamy，医学博士 密歇根大学凯洛格眼科中心 1000 Wall St Ann Arbor, MI 48105 电话：(734) 763-5506 传真：(734) 936-2340 字数：2589
2020 年

人工智能驱动的有效镜片位置预测提高了现有镜片公式的准确性 Tingyang Li，BS 1；Joshua D. Stein，MD，MS 2,3,4； Nambi Nallasamy，医学博士 1,2 1 密歇根大学计算医学和生物信息学系 2 密歇根大学凯洛格眼科中心眼科和视觉科学系 3 密歇根大学眼科政策与创新中心，密歇根州安娜堡 4 密歇根大学公共卫生学院卫生管理与政策系，密歇根州安娜堡 通讯作者：Nambi Nallasamy，医学博士 密歇根大学凯洛格眼科中心 1000 Wall St Ann Arbor, MI 48105 电话：(734) 763-5506 传真：(734) 936-2340 字数：2589

¥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