XiaoMi-AI文件搜索系统
World File Search System点测量
迈向商业领域更高的自动化和灵活性...
Leica Geosystems，GIS 和测绘部门 2801 Buford Highway，亚特兰大，佐治亚州，美国 younian.wang@gis.leica-geosystems.com IC WG II/IV 关键词：数字、摄影测量、测绘、软件、软拷贝、自动化、算法、GIS。摘要 经过大约 20 年的数字摄影测量系统研究和开发，商业软件系统变得越来越强大，能够解决大多数摄影测量测绘问题。另一方面，用户对数字摄影测量系统更高自动化和更大灵活性的需求不断增加，特别是随着各种新型高分辨率机载和星载相机的使用。为了满足市场需求和挑战，一种新的数字摄影测量系统已经开发出来。它被称为 Leica 摄影测量套件。本文介绍了徕卡摄影测量套件的主要特点和功能。介绍了提高自动化和生产率的各种技术。解释了易于使用和高灵活性的设计理念和实施策略。介绍了传感器建模、DTM 提取和编辑以及制图特征收集的强大功能。演示了自动内定位、自动点测量、自动 DTM 提取和自动图像镶嵌的算法。多个示例和独立测试结果表明，徕卡摄影测量套件是一款功能强大且可靠的数字摄影测量系统，适用于高级摄影测量师和 GIS 专业人员。1 简介
IDE161 是一种潜在的首创临床候选 PARG 抑制剂，选择性靶向具有复制压力和 DNA 修复脆弱性的实体肿瘤
A) 描绘了对 TOP1 和 PARG 双重抑制的拟议 MOA 的模型。B) 对 PRISM 化合物和 PARGi 的反应的 Spearman 相关图；橙色表示 TOP1 抑制剂，黑色表示其他。（插图）按 MOA 分组的顶级相关化合物的 Swarmplot（未显示少于 2 种化合物的 MOA）。拓扑异构酶抑制剂 (TOP)、法呢基转移酶 (FT)、微管蛋白聚合 (TP)、极光激酶 (AK)、胸苷酸合酶 (TS)。C) 使用 PAR MSD 测定法评估 PAR 链积累。值绘制为相对于 DMSO 对照的平均值 ± SD。使用 Student's t 检验进行统计分析；ns（不显著）、**（<0.01）、***（<0.001）。D）（左）使用基于抗 TOP1cc 抗体的免疫荧光测定法在指示时间点测量 TOP1-DNA 裂解复合物 (TOP1cc)。根据单个细胞中的 TOP1cc 平均强度值进行群体分箱和非线性曲线拟合。使用 Kruskal-Wallis 检验进行统计分析；****(<0.0001)。（右）使用基于抗 γ -H2AX 抗体的免疫荧光测定法检测核 γ -H2AX。值（平均值 ± SD）绘制为 γ -H2AX 平均强度范围的百分比群体。E）从 CldU 标记的 DNA 纤维测量结果显示，IDE161 和 CPT 介导的复制叉减慢。框表示中位数和 IQR。使用 Mann-Whitney U 检验进行统计分析；*(<0.05)，**** (<0.0001)。
![arXiv:2204.05683v1 [cond-mat.mtrl-sci] 2022 年 4 月 12 日](/simg/8\8e077eb3d9ba3aa5baa9801d9e8aefa731cfdc4d.webp)
arXiv:2204.05683v1 [cond-mat.mtrl-sci] 2022 年 4 月 12 日
自从人类制造出第一批敲打工具以来，脆性材料中裂纹扩展的控制就一直是技术发展的一个方向。如今，各种各样的应用都依赖于裂纹扩展控制，从减轻损坏（例如玻璃屏幕或挡风玻璃受到撞击）到利用裂纹实现大距离整齐切割的工业过程。然而，实时研究裂纹是一项具有挑战性的任务，因为裂纹在通常不透明的材料中可以扩展至几公里/秒。在这里，我们报告了对沿硅单晶 (001) 平面以高达 2.5 公里/秒的速度扩展的裂纹的现场研究，使用 X 射线衍射兆赫成像和强时间结构同步辐射。所研究的系统基于 Smart Cut ™ 工艺，其中材料（通常是 Si）中的埋层被微裂纹削弱，然后用于在平行于表面的平面上以最小偏差（10 - 9 米）驱动宏观裂纹（10 - 1 米）。我们在此报告的结果首次直接证实了裂纹前沿的形状不受微裂纹分布的影响，这曾是以前基于断裂后结果的研究的假设。我们进一步测量了厘米宽视野内的瞬时裂纹速度，这以前只能从稀疏点测量中推断出来，并证明了 X 射线束局部加热的影响。最后，我们还观察了分离晶圆部件的裂纹后运动，这可以用气动和弹性来解释。因此，这项研究提供了对晶体材料中受控断裂扩展的全面了解，为超快速应变场扩展的原位测量铺平了道路。
流量测量 - SciELO
早期湍流研究已得到包括压力测量在内的实验方法以及热线风速仪 (HWA) 的点测量技术的补充。使用这些侵入式方法的特殊困难包括逆流、涡流和高度湍流。此外，侵入式探头容易受到非线性（需要校准）、对多变量效应（温度、湿度等）的敏感性）以及破损等问题的影响。随着 20 世纪 60 年代中期激光的发展，非侵入式流量测量变得实用。气体激光器问世后不久，Yeh 和 Cummins 就开发了激光多普勒风速仪 (LDA)。这是流体诊断领域最重要的进步之一，因为我们现在拥有了近乎理想的传感器。具体而言，输出完全是线性的，无需校准，输出噪声低，频率响应高，速度测量独立于其他流动变量。在过去的三十年中，LDA 技术在光纤等光学方法以及先进的信号处理技术和软件开发方面取得了重大进步。此外，LDA 方法已扩展到相位多普勒技术，用于测量颗粒和气泡尺寸以及速度。激光和相机技术的快速发展为限定（流动可视化）和随后量化整个流场测量提供了可能性。使用包括第二个摄像头的改进的 PIV 系统也可以测量颗粒和气泡的尺寸。粒子图像测速 (PIV) 的发展已成为众多应用中最受欢迎的流量测量仪器之一。相机和激光技术以及 PIV 软件的现代发展继续提高 PIV 系统的性能及其对困难流量测量的适用性。除了瞬时测量流量外，现在还可以使用高频激光器和高帧率相机进行时间分辨测量。平面激光诱导荧光 (PLIF) 现已提供
案例故事 - 高刺激和胎儿的管理...
在40 +3周的例行任命中，妊娠夫人问她的助产士有关劳动的临时归纳。在此任命下，在以前在第50个百分点以上测量的时，测量并绘制了比第10个百分点测量并绘制小于第10个百分点的。 夫人报道了良好的胎儿运动，助产士与S夫人和她的伴侣讨论了发现，尤其是胎儿生长可能会减少的可能性。 夫人同意进行增长扫描的转诊。 此扫描是在40 +5周进行妊娠期进行的，婴儿的胎儿体重为2345g（第4个百分点），并用正常的脐带多普勒进行。 S夫人在扫描后被一名产科医生审查，在讨论了她的选择之后，S夫人和她的伴侣选择了劳动，第二天被预定了。 提供了有关劳动诱导的风险和益处的具体咨询，并提供了信息传单。 进行了宫颈扫，S夫人的子宫颈扩张1厘米。。夫人报道了良好的胎儿运动，助产士与S夫人和她的伴侣讨论了发现，尤其是胎儿生长可能会减少的可能性。夫人同意进行增长扫描的转诊。此扫描是在40 +5周进行妊娠期进行的，婴儿的胎儿体重为2345g（第4个百分点），并用正常的脐带多普勒进行。S夫人在扫描后被一名产科医生审查，在讨论了她的选择之后，S夫人和她的伴侣选择了劳动，第二天被预定了。提供了有关劳动诱导的风险和益处的具体咨询，并提供了信息传单。进行了宫颈扫，S夫人的子宫颈扩张1厘米。
Regency Texas Pipeline LLC
*德克萨斯州R.R.C.规则和法规关税中定义的锚托管者编号2.1，应向承运人收取激励率，以提供对运营商设施的初始建设的经济支持。额外费用：损失且未提示以备津贴：对于锚托运人，将在递送点测量冷凝物，而锚托运人应通过正常操作来承担所有损失。对于所有其他托运人，每位托运人应按照收据点的总数量成比例地承担损失。抽水费：在运营商执行抽水服务的情况下，将对所有液管直接泵入另一个载体系统的所有冷凝物，每桶0.5772 $ 0.5772。上面规定的速率包括锚托管的泵送电荷。手跑计算费：在收集的冷凝物上，将收取每桶1.1541美元的额外费用。上面规定的速度包括锚托运人的手运行计量费。升级：该关税中规定的利率应根据以下公式从2013年1月1日开始和每年1月1日（“速率上升日期”）进行调整：{[（a/b – 1） * 0.5] * 0.5] * C} + c = COUNDATED CLUSSED部门的a = COUNDATED COUNTAL EMATION A = CONDUTER EMANTES A = CONDUT EMANT ENSEL INDE，US S. ALL U. S. U. S. s。劳工统计局（CPI-U）或其在升级日期之前紧接的年度12月份的最可比的继任者b = cpi-u立即立即升级：该关税中规定的利率应根据以下公式从2013年1月1日开始和每年1月1日（“速率上升日期”）进行调整：{[（a/b – 1） * 0.5] * 0.5] * C} + c = COUNDATED CLUSSED部门的a = COUNDATED COUNTAL EMATION A = CONDUTER EMANTES A = CONDUT EMANT ENSEL INDE，US S. ALL U. S. U. S. s。劳工统计局（CPI-U）或其在升级日期之前紧接的年度12月份的最可比的继任者b = cpi-u立即立即
水产养殖-Accedacris -ULPGC
预防疾病在水产养殖中至关重要，尽管疫苗提供了保护性免疫，但诸如成本和低疗效之类的挑战持续存在。本研究调查了植物来源的化合物（称为植物基因剂）的潜力，以增强疫苗对欧洲海豆中葡萄症的有效性。Two phytogenic blends, namely PHYTO1 (terpenes) and PHYTO2 (terpenes and flavonoids) were supplemented to a commercial diet to obtain three experimental diets: a non-supplemented control diet, PHYTO1 (a 200-ppm blend of garlic and Lamiaceae oils with 87.5 mg kg − 1 terpenes), and PHYTO2 （一种1000 ppm的混合物，含有柑橘类水果，星形科和lamiaceae油，配以57 mg kg -1萜烯和55 mg kg -1类黄酮）。在通过浴场接种疫苗后，将欧洲少年的海豆分成几组，并喂三种饮食中的一种30天。在此喂养期后，将鱼类麻醉并用单一剂量的疫苗通过Jection中的疫苗加强。他们继续将各自的饮食喂养30天。在第60天，在启动疫苗接种后，通过腹膜内注射将鱼类用颤音的a anguillarum挑战。在每次疫苗接种后在不同时间点测量各种参数，包括总重量，血浆皮质醇和葡萄糖水平，血清免疫球蛋白M（IGM）滴度，白细胞的抗氧化能力以及几种抗氧化剂和免疫降低基因的表达。结果表明，与对照组相比，用植物基补充剂喂养的鱼的体重没有差异。然而，它们表现出较低的血浆皮质醇和葡萄糖水平，增加IgM滴度以及增强的抗氧化剂保护和头肾leuco细胞的抗氧化能力。此外，每次疫苗接种后，植物基因在g和头部肾脏中上调了几个免疫相关基因。值得注意的是，富含类黄酮和萜烯的Phyto2通过减轻疫苗相关的应激，同时改善抗氧化剂保护并调节疫苗诱导的免疫反应，对增强鱼的阳性作用更为明显。疫苗接种的这种协同作用与植物学结合引入了新的途径，以增强水产养殖中的鱼类健康。
主题：长基线量子隐形传态：迈向地月距离 主要作者：Thomas Jennewein 量子计算研究所和 Dep
I. 简介 深空量子网络最重要的先决条件之一是能够在大基线上进行量子隐形传态和纠缠交换。将这一真正基本的量子协议扩展到地球-月球距离将扩大量子力学的有效性测试，并作为量子网络的先驱，可用于深空任务中的传感、安全通信、密集编码和量子计算机互连。迄今为止，只有长基线被动隐形传态（Pirandola2015）在长距离上得到了演示，包括进入太空（Ren 等人，2017）。在本白皮书中，我们讨论了通过深空量子链路 (DSQL) 合作（Mohageg2018）发起的超越行星尺度的完整量子隐形传态的实现。我们建议通过将地面接收器（或国际空间站 - ISS）与月球网关连接起来，在地球-月球距离范围内进行隐形传态演示。量子态隐形传态 (Bennett1993) 是一个独特的非经典概念，因为它使用两个通道将未知的量子态完美地从一个系统转移到另一个系统：最大纠缠态和经典信号。第一步是建立纠缠光子的长距离分布，如图 1(a) 所示，在太空中远距离分布，如墨子号任务所示，该任务通过快速变化分析仪在不同地面站点测量光子，在 1200 公里外进行了贝尔测试。量子隐形传态利用这种远程纠缠，如下所示 (Bouwmeester1997)：首先，Charlie 生成一对纠缠光子 [图 1(b) 中的光子 A 和 B]，A 发送给 Alice，B 发送给 Bob。 Alice 对光子 A 和另一个光子 C 携带的未知量子态联合进行贝尔态测量 (BSM) (Weinfurter1994、Mattle1996、Casmaglia2001)，从而将她的两个光子投射到纠缠态中。这个 BSM 会将 Bob 的光子 B 投射到四种可能的状态之一，具体取决于 BSM 的结果。与此同时，Bob 必须在光子 B 到达量子存储器后将其保留，直到他通过经典信道收到 Alice 的 BSM 结果，然后他使用该结果应用幺正运算以完全恢复原始输入状态。请注意，Alice、Charlie 和 Bob 都不会获得有关输入状态的任何知识，并且最终的幺正变换仅取决于（随机）BSM 结果，因此该协议完全遵循量子无克隆 (Wooters1982)。
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
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