XiaoMi-AI文件搜索系统
World File Search SystemForestier
冠军 Charyn 在 SUMBE 首次亮相
作者：凯蒂·佩特鲁尼亚克 当冠军中距离赛马 Charyn (爱尔兰) 加入 Nurlan Bizakov's Sumbe 的 2025 年种马阵容时，他成为第五位将这匹年轻种马带回家乡的一级赛冠军，之前三匹是 2021 年的 Golden Horde (爱尔兰) 以及 2024 年的 Mishriff (爱尔兰)、Belbek (英国) 和 Angel Bleu (法国)。然而，Sumbe 的 Mathieu Le Forestier 自信地说，这匹才华横溢的马不仅仅是不断壮大的种马名单中的最新成员。“从整体上看，它不仅是另一位进入种马场的一级赛冠军，而且还是一件非常非常特别的事情，”他说。事实上，Charyn 是 2025 年欧洲最昂贵的新种马，仅次于 Coolmore 的 City Of Troy (Justify)，在他的首个赛季售价为 35,000 英镑。与此同时，他的父亲 Dark Angel (Ire) 刚刚当选为 2024 年英国和爱尔兰冠军种马，这在一定程度上要归功于他的领先收入马 Charyn 的成功，Charyn 去年在获得冠军荣誉的道路上获得了三项一级赛冠军。
磷酸盐的抗真菌和溶解特性......
收到日期 2022-12-29，修改日期 2023-05-17，接受日期 2023-06-05 摘要 课题描述：在农业中，使用有益微生物作为生物防治剂被认为是对抗作物病害和农药抗性的生态替代方案。链霉菌属及其代谢物作为控制各种真菌植物病原体的有效药剂具有巨大的开发潜力。目的：从阿尔及利亚西部未开发的森林土壤中分离出一株放线菌。对分离菌株进行了针对植物病原真菌的体外抗真菌特性测试：从小麦植物茎中分离的黄曲霉、赭曲霉、寄生曲霉、扩展青霉和禾谷镰刀菌，以及磷酸盐溶解特性。方法：根据形态学、生理生化数据及16s rRNA基因测序，将该放线菌鉴定为加利拉链霉菌（Streptomyces galilaus）。使用不同的溶剂进行提取，并评估每种溶剂提取物的活性。采用琼脂孔扩散法测定粗提取物的抗真菌活性。结果：提取物 ext 5254 T002 和 ext 5294 T002 对所测试的五种真菌中的三种（赭曲霉、扩展青霉和禾谷镰刀菌）均表现出强的抗真菌活性。液相色谱和质谱 (HPLC/MS) 分析表明，提取物 5254 T002 中含有杀菌素 B 和一些链霉菌素与阿克拉霉素的混合物，而提取物 5294 T002 中的主要成分为布兰查醌。发现菌株T002具有溶解不溶性磷酸盐的能力。结论：结果表明，从森林土壤中分离出的链霉菌 T002 对导致小麦致病并在其自然栖息地之外溶解不溶性磷酸盐的真菌表现出良好的生物防治能力。关键词：链霉菌T002；抗真菌活性；磷酸盐的溶解；生物防治。
关于民族对哈基斯的承认的法律
西索讷（Sissonne）：军营边缘的营房，形成“村庄”（埃纳省）；马诺斯克（Manosque）：四季之城（上普罗旺斯阿尔卑斯省）；戛纳-La Bocca： 米莫萨斯城（滨海阿尔卑斯省）；超级昂蒂布： 桉树市 (滨海阿尔卑斯省)；马赛：奥利夫市，第 13 区 (罗讷河口省)；马赛：蒂勒尔市，第 15 区（罗讷河口省）；热夫雷尚贝坦 (Gevrey-Chambertin)：SONACOTRA-SNCF 住房 (Côte-d'Or)； Sireuil：克罗兹地区（多尔多涅省）；索恩 (Saône)：中转城市（杜省）；贝桑松 (Besançon)： 四风之城、蒙塔莫特 (Montarmots) 路径 (杜省)；德勒：SONACOTRA 建筑工地的营房（厄尔-卢瓦尔省）；德勒：Murger-Bardin 街市（厄尔-卢瓦尔省）；蒙彼利埃：前军营的训练场（埃罗省）；蒙彼利埃： 马萨维奥尔市 (埃罗省)；蒙彼利埃： 波塔利市 (埃罗省)；蒙彼利埃： Pont-Juvénal（埃罗省）； Chapareillan：住宿中心（伊泽尔省）；格勒诺布尔 (Grenoble): 位于烈士街 (rue des Martyrs) 的 SONACOTRA-SNCF 营房和住房 (Isère)； Roybon 3：一个与 Roybon 1 和 2（伊泽尔省）相似的森林村庄；圣热内-圣保利安附近市 (上卢瓦尔省)；塞莫伊（Semoy）： 埃尔夫利恩 (卢瓦雷省) 的城市；马恩河畔沙隆 (Châlons-sur-Marne): 比德 (Bidée) 市 (马恩省)；兰斯 (Reims)：维特里路 (马恩省) 上的城市； Vadenay：军营（马恩省）； Saint-Avé：预制建筑（莫尔比昂省）Cattenom：军营（摩泽尔省）；敦刻尔克：SONACOTRA-SNCF 住房（北）；豪蒙特（Haumont）： USINOR 军营（北部）；卢夫鲁瓦 (Louvroil)： 施魏策尔医生街 (北) 市；鲁贝：甘贝塔大道（北）的住宿中心；弗莱尔德莱奥恩省，SONACOTRA 市 (奥恩省)；梅里库尔 (Méricourt)： HBNPC 军营 (加来海峡省)；布尔加拉斯蒂克 (Bourg-Lastic)：吉马尔 (Gimard) 分区 (Puy-de-Dôme)； Grand-Couronne：巴斯德街和埃萨尔街（滨海塞纳省）等城市； Authieux-sur-le-Port-Saint-Ouen：马尔尼埃尔城堡（滨海塞纳省）；鲁昂：位于 Pavée 街（滨海塞纳省）的中转中心；鲁昂：位于圣吉尔街 (滨海塞纳省) 的中转中心； Saint-Aubin-lès-Elbeuf：拉皮埃尔圣乔治市（滨海塞纳省）Saint-Wandrille-Rançon：军营（滨海塞纳省）；皮卡第地区普瓦 (Poix-en-Picardy)：Vert Bois 地区 (索姆省)；亚眠：斯特拉斯堡大道（索姆省）上的紧急城市；亚眠 (Amiens)：砖厂之城 (索姆省) 隆格奥 (Longueau)：阿夫尔 (Avre) 之城 (索姆省)；阿维尼翁 (Avignon)：蒙克拉 (Monclar) 区（沃克吕兹省）的太阳之城；舒瓦西勒鲁瓦 (马恩省)。
CSII DR。 Daniel-ondCSII DR。 Daniel-ond
研究项目清单（选择）合作者或负责研究项目/主题的列表，在Incds Bucharest中进行，2003年至今1。森林部门的机构分析-2003，Eng博士。gh。F. Borlea 2。持续使用森林资源的策略2003-2004，负责Eng博士。gh。F. Borlea 3。在农作物的贫困生产区域中实现了森林能量培养（可再生能源），以验证土壤下降解的木材（生物量）的耐药性和快速生长的树木的耐药性，选择了一些机械化的耕种 /收获技术，2004-2006 Ing。D. O. Turcu 4。详细说明罗马尼亚森林2004-2006森林的技术援助，负责Eng博士。I. Adam 5。关于在阿拉德县国家道路建立森林保护窗帘的技术项目，在卡拉斯 - 塞维林县建立森林保护窗帘的技术项目，关于在2005年蒂米斯县国家道路上建立森林保护窗帘的技术项目，2005年-ICAS Bucharest -Bucharest 6。研究天然森林生态系统中的稳定性因素。评估改善森林管理森林管理的可能性2004-2006，负责ING博士。R.Tomescu 7。研究死木在准维尔金森林生态系统中的生态作用-2005-2006，负责：Ing。O. Merce，Ing。D. O. Turcu 8。天然森林生态系统的结构和动态，对林业措施的基础的支持以及可持续的森林管理 - 2006- 2008年，负责Eng博士。I.A.Biriş9。 研究树木结构的动态和科学储备中的树木死亡率 - 2007年，负责人。 R.Tomescu 10。 Virgin Forest Forest和Walloon地区2008-2009的珠子的管理，负责Eng博士。 R.Tomescu 11。 研究了来自Izvoarele Nera-2009-2010保留的准文化刻面中正常死亡率的现象，负责A.Biriş9。研究树木结构的动态和科学储备中的树木死亡率 - 2007年，负责人。R.Tomescu 10。Virgin Forest Forest和Walloon地区2008-2009的珠子的管理，负责Eng博士。R.Tomescu 11。研究了来自Izvoarele Nera-2009-2010保留的准文化刻面中正常死亡率的现象，负责评估受保护林业区（AFP）的生物多样性作为对耕种树木可持续林业管理的地标 - 2009年，负责Eng博士。I.A.Biriş13。 分析确定森林中温室气体排放和吸收的因素 - 2011年，Eng博士。 O. BouriaudA.Biriş13。分析确定森林中温室气体排放和吸收的因素 - 2011年，Eng博士。O. BouriaudO. Bouriaud
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