XiaoMi-AI文件搜索系统
World File Search System球员
欧洲中心的全球员。自1872年以来。
与我们的Legero United可持续性议程（简称Luna），我们非常关注产品的可持续性及其在整个价值链中的生产。我们的产品旨在激发people people，提高其生活质量并保存自然的资源。我们使用在行业领导的HIGG指数来说明我们产品沿整个价值链的可持续性。我们是CADS倡议的成员，这是德语国家最大的鞋类制造商的协会，以不断为我们的行业发展生态和社会标准。，我们还致力于参与基于科学的目标计划（SBTI）。它为公司提供了一种与巴黎气候协议一致的碳目标定义的合理科学方法。我们赞成与皮革工作组LWG认证的皮革供应商合作。作为我们VIOS®开发平台的一部分，我们不断研究，设计和测试具有可疑解决方案。对于Vios®材料，我们专门与合作伙伴公司和生产设施合作，这些设施致力于我们VIOS®限制物质清单的严格标准。这比监管机构或质量认证要求的标准更高。
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
IDC市场景观：全球员工经验咨询服务2024供应商评估德国供应链尽职调查法政策声明
Accenture是一家领先的全球专业服务公司，可帮助世界领先的组织建立其数字核心，优化其运营，加速收入增长并增强服务，从而在速度和规模上创造有形价值。我们是一家人才和创新领导的公司，在120多个国家 /地区为客户提供服务约774,000人。技术是当今变革的核心，我们是世界领导者之一，通过牢固的生态系统关系帮助推动这一变化。我们将技术和领导力的力量与云，数据和人工智能领域的领导力相结合，以及无与伦比的行业经验，功能专业知识和全球交付能力。我们跨战略与咨询，技术，运营，行业X和歌曲的各种服务，解决方案和资产，以及我们共同成功和致力于创造360°价值的文化，使我们能够帮助客户重塑和建立可信赖的持久关系。我们通过为客户，股东，合作伙伴和社区创造的360°价值来衡量我们的成功。
使用Yolov8型号在五人制录像带中的球和球员检测
摘要近年来人们对体育运动的兴趣和热情显着增加。这使人们越来越重视各种运动的高质量视频录制，以捕获最小的细节。录制和分析在诸如五人制的体育运动中变得极为重要，五人五个复杂而快速的事件。球检测和跟踪以及玩家分析，已经成为许多分析师和研究人员感兴趣的领域。教练依靠视频分析来评估团队的表现并做出明智的决定以取得更好的成绩。此外，教练和体育侦察员可以通过审查过去的比赛来使用此工具为才华横溢的玩家侦察。球检测对于帮助裁判在比赛的关键时刻做出正确的决定至关重要。但是，由于球的不断运动，其形状和外观会随着时间的流逝而变化，并且通常会被玩家所阻挡，因此在整个游戏中跟踪其位置的挑战。本文提出了一种基于深度学习的Yolov8模型，用于在广播五人制视频中检测球和玩家。关键字yolov8，roboflow，球检测，球员检测，五人
用数字核心重塑|第1章 EV充电平台评估3.0 更改重新发明报告 IDC市场景观：CSRD合规性的欧洲ESG技术服务2024供应商评估 全球目标的AI Gen AI 重新发明生产力以引导变化 从每个角度的年度报告中价值24财年 IDC市场景观：全球员工经验咨询服务2024供应商评估 德国供应链尽职调查法政策声明
许多大型公司都使用云服务，数据管理，AI，安全性或SAP S/4 HANA云等技术，因此它们具有数字核心的“构建块”。，但是如果没有适当的整合和激活这些组件以重新发明，它们没有数字核心。酸测试？他们缺乏整合构建块以加速整体重新发明所需的数字线程。实际上，有时他们的IT堆栈是对重塑的威慑力。
使用机器学习板球中的球员性能预测分析
玩家性能是比赛结果的最关键参数。根据各种参数选择一组玩家，包括一致性，形式，针对特定对手的表现，特定场地的表现，比赛的比赛，比赛类型等的压力等，都提高了球队赢得比赛的可能性。以下研究旨在根据玩家的性能参数来分析和预测玩家的性能。该问题分为两个部分，即击球表现和保龄球表现。该问题被认为是一个分类问题。跑步得分，而所采用的检票口被分类为不同的范围。天真的贝叶斯，决策树，随机森林和支撑向量机（SVM）是研究中使用的算法。随机森林和决策树几乎是相同的，因此，结果最准确。
最有价值球员
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》（RHA）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。
footyvision：在足球视频中的多对象跟踪，本地化以及球员和球的增强
足球视频内容分析是一个快速发展的领域，旨在丰富足球比赛的观看体验。当前的研究通常集中于玩家和/或球形检测，跟踪和本地化的特定任务。我们的研究致力于将这些努力整合到能够处理透视转换的综合多对象跟踪（MOT）模型中。我们的框架（footyvision）使用了在扩展的球员和球数据集中训练的Yolov7骨干。MOT模块建立了一个画廊，并根据特征嵌入式，界限框相交，距离，距离和速度来通过匈牙利算法分配身份。我们模型的一个新组件是透视转换模块，该模块利用Yolov7骨架的激活映射使用线，相互作用点和椭圆形来计算同型。此方法有效地适应动态
设计专门为球员设计的美式橄榄球头盔以保护大脑
摘要 ：本研究的目的是利用高性能计算 (HPC)、有限元 (FE) 模拟和实验研究机械作用与脑损伤之间的关系，以设计特定于球员的美式足球头盔。我们根据 MRI 扫描数据创建了一个高分辨率 FE 头部网格，其中包含分段的头皮、颅骨、脑脊液 (CSF) 和大脑。我们对大脑使用多尺度内部状态变量 (ISV) 模型，该模型将根据实验数据进行校准并能够预测脑损伤。从单调（0.1/秒；Instron）到中等（200/秒；霍普金森杆）的不同应变率实验用于表征一系列传统和膨胀聚氨酯泡沫。这些泡沫用于 FE 模拟研究，以选择最佳的分层模式，以最大限度地吸收能量并最大限度地减少机械作用和脑损伤。最佳功能梯度设计被融入到原型美式橄榄球头盔中，并在自由大学 (LU) 工程研究与教育中心 (CERE) 新开发的头盔性能实验室 (HPL) 进行测试。LU 的 HPL 设备齐全，可进行国家橄榄球联盟 (NFL) 和国家运动器材标准委员会 (NOCSAE) 标准测试。我们的原型通过了所有 NOCSAE 标准，与 2020 年表现最好的两款头盔相比，性能提高了 15%。可以使用一组不同的边界条件重复此过程，以设计用于其他运动（包括曲棍球、长曲棍球和马术）的防护运动头盔