XiaoMi-AI文件搜索系统
World File Search System三分
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
使用和指南介绍介绍形状美国创建了一个报告模板，以向K-12提供体育教师为用户fr
如何使用报告模板遵循的段落提供了体育教师指南，涉及如何使用报告模板以及如何修改其满足他们的需求。小学，中学和高中级别的样本报告也出现在以下页面上。Shape America建议教师在审查这些准则的同时查看报告模板以及样本报告。学生信息：列出学生的姓名，年级和体育老师以及学年。教师可以根据需要添加其他单元或行。例如，基础体育老师可能希望包括学生的课堂老师的名字。评估密钥：提供评分程序的概述，并传达学生和父母应如何解释标题中的分数。该报告使用的三分评分量表包括3 =优秀，2 =胜任和1 =需要改进，而NA =未评估。但是，教师应该随时修改或更改本节，以与他们的评估偏好和/或与学校，地区或州政策保持一致。国家标准的体育标准：在每个国家标准以下的白框中，教师应列出适合评估的技能和知识的年级成果，从Shape America America的K-12体育教育的成绩中选择，或从适当的州，地区，地区，地区或学校级别的基准中选择。 为与每个标准相关的结果提供了三个空间，但教师应包含每种评估技能所需的尽可能多的结果。国家标准的体育标准：在每个国家标准以下的白框中，教师应列出适合评估的技能和知识的年级成果，从Shape America America的K-12体育教育的成绩中选择，或从适当的州，地区，地区，地区或学校级别的基准中选择。为与每个标准相关的结果提供了三个空间，但教师应包含每种评估技能所需的尽可能多的结果。例如，对于运动技能的1年级评估，老师可以使用成熟的模式插入结果S1.E1.1：啤酒花，疾驰，慢跑和幻灯片（Shape America，2013）。评估工具：用于评估每个结果的评估。Shape America建议简单地列出评估的名称，以帮助教师记住用于评估每个>的工具
状态简介：犹他州
国家摘要：犹他州的背景虽然煤炭仍然是犹他州发电的主要资源，但自2015年以来，其份额已大大下降，当时它提供了该州75％的能源组合。这种减少在很大程度上是由太阳能和天然气生产的增长驱动的。在犹他州开采的煤炭中有三分之三在该州消费。犹他州是其他西部州的净电力供应商，至少部分归因于加利福尼亚从干净来源购买电力的排放规则，有些植物正在从煤炭转换为天然气。能源开发的特许权使用费历史上一直是该州公立学校信托基金的最大收入来源。犹他州的运输和工业部门是其最大的能源消费者，约占总能源消耗的58％。国家的人均住宅能源消耗是美国犹他州第三最低的，到2025年，自愿可再生投资组合目标为20％。2019年的《社区可再生能源法案》使该州至少有24个城市能够选择与落基山力量一起工作的100％可再生能源目标。太阳能直到2016年才提供大量电力。蜂巢状态此后已经看到了太阳发电能力的巨大扩展。2020年，太阳能工业协会（SEIA）在美国的太阳能容量（截至2021年3月截至2,336.2兆瓦）方面在美国排名第10位，截至2021年3月），为期五年的行业增长预测（总计1,498兆瓦）。犹他州是少数具有公用事业尺度地热产能的州之一。该州有巨大的风能开发潜力，但是监管委员会并未认为许多州内公用事业规模的风项目被视为具有成本效益。该州目前拥有三家地热发电厂，提供72兆瓦的能源，犹他州州长办公室认为，该州有可能再有2200兆瓦的地热能。2020年美国的能源和就业报告发现，犹他州有31,468名传统能源工人（占国家总就业人数的2.1％）。在2020年，犹他州在全国范围内获得了清洁能源工作（包括能源效率和太阳能工作）的第25位，该行业雇用了41,514个犹他州。1犹他州的公共服务委员会（PSC）规定了该州投资者拥有的公用事业（IOUS），电力合作社和天然气公用事业。PSC有前州长加里·赫伯特（Gary Herbert）任命的三名共和党成员。共和党在立法会议厅中控制着大多数人，而州长斯宾塞·考克斯也是共和党人。
核动力船舶推进
核动力船舶推进 © M. Ragheb 6/21/2021 1.简介 有几种趋势正在塑造海军舰艇技术的未来愿景：全电动舰艇、全封闭喷射泵推进器、定向能激光、微波和电磁武器、高超音速巡航导弹、隐形技术、无人驾驶飞行器 (UAV)、群体水下无人驾驶飞行器 (UUV) 机器人潜艇、推进器喷水推进、磁流体动力推进、濒海舰艇和停泊驳船用于发电。全电动船舶推进概念被采用为未来美国水面战斗动力源。下一个发展或先进电力系统 (AEPS) 涉及将几乎所有船上系统转换为电力；甚至最苛刻的系统，例如航空母舰上的推进器和弹射器。它将包括新武器系统，例如现代电磁轨道炮和自由电子激光器以及飞轮和超级电容器储能系统。美国海军计划到 2030 年代中期将其 284 艘舰艇舰队扩大到 355 艘。随着高超音速武器运载系统的出现，将美国海军 (USN) 配置为具有远程无人机打击能力的小型核动力平台是未来的潮流。高超音速将由一支由小型和快速舰艇组成的分布式舰队来对抗。任何类型的导弹群威胁都对美国航母构成威胁，而它们可能会变得更小，由一组由人类驾驶的飞机指挥的无人机组成。它们将是垂直发射车，随身携带远程一次性加油机或微型核反应堆，作为长期盘旋和续航的能源。这些舰船将更小，采用核动力。常规舰船每隔几天就需要加油，而且必须配备加油机。核动力舰船的速度和续航能力要快得多。太空是下一个战场，武器平台将更多、更小、无人驾驶。航空母舰是意图和全球野心的声明，也是军事力量的明显投射。它们是一支多才多艺的强大力量，能够进行人道主义和灾难救援以及高端作战。拥有 5,000 名船员的航空母舰正面临脆弱性危机，这将导致小型舰船从分散地点发射无人机。美国海军拥有 10 艘航母，英国有两艘，中国有一艘，正在建造另一艘。一艘美国航母上有 3,000 多名水手。俄罗斯、法国和意大利各有一艘航母，印度也加入了这一行列。美国海军每年要花费 1 亿多美元来维持一艘尼米兹级航母的海上运行，这还不包括飞行作业、弹药和船员工资的费用。它们作为打击群在高威胁地区运作，包括防空驱逐舰、反潜护卫舰和攻击潜艇，以及运载食物和弹药的油罐车和固体支援舰。世界各地的海军都使用三分法则：或者说每艘在海上的船，一艘准备部署，而另一艘则返回港口进行维护。核动力航母（如尼米兹级）的航程不受限制，而常规动力航母（如伊丽莎白女王号）的航程为 10,000 英里。
Almoosa卫生公司招股说明书
在1994G，该公司开始作为Abdulaziz Abdullah Abdullah Abdulwahab Almoosa商业独资经营权，名称为“ Al Moosa专家医院（Al Ahsa）”，该名称在Al Mubarraz市的商业登记册中注册，该公司在No./Div>225202248，日期为06/09/1414H（对应于17/02/1994G）。根据公司的协会章程，由商务部审查，并由合作伙伴在No.391474381, dated 22/09/1439H (corresponding to 06/06/2018G), the branch of Abdulaziz Abdullah Abdulwahab Almoosa Commercial Sole Proprietorship was transformed into a limited liability company under the name “Al Moosa Specialist Hospital” with a fully paid share capital of one million Saudi Riyals (SAR 1,000,000), divided into one十万（100,000）现金股，其付费名义价值为10个沙特里亚尔（SAUDI RIYALS 10）。根据商业部批准的合作伙伴的决议。100002504，日期为04/03/1442H（对应于21/10/2020g），阿卜杜勒齐兹·阿卜杜拉·阿尔莫萨（Abdulaziz Abdullah Almoosa），他拥有公司股本的十万（100,000）股，通过转让一千（10,000）公司的公司股票，每人一千（1,000）股票，以下是一千（1,000） (2) Mohammad Abdulaziz Almoosa, (3) Malek Abdulaziz Almoosa, (4) Sara Abdulaziz Almoosa, (5) Zainab Abdulaziz Almoosa, (6) Omaima Abdulaziz Almoosa, (7) Yaser Abdulaziz Almoosa, (8) Yousef Abdulaziz Almoosa, （9）喇嘛阿卜杜勒齐斯·阿尔莫萨（Abdulaziz Almoosa）和（10）艾哈迈德·阿卜杜勒齐斯·阿尔莫萨（Ahmed Abdulaziz Almoosa）不考虑。根据合作伙伴的决议，日期为04/03/1442H（对应于21/10/2020G）和商务部决议号47，日期为04/03/1442H（对应于21/10/2020g），该公司从一家有限责任公司转变为一家封闭的联合股票公司，名称为“ Al Moosa专业医院”，其全额付费的股本为一百万个沙特人（SAR 1,000,000）（SAR 1,000,000）（SAR 1,000,000），分别为一千千名（100,000个），有价值10,000（sar），有价值10千（saud），有价值（100,000）（每千）有价值的（100,000）（均为100,000个）（均为100,000份）（均为100,000）（ 分享。根据24/02/1444H的阿卜杜勒齐兹·阿卜杜拉·阿尔莫萨（Abdulaziz Abdullah Almoosa）的决定（对应于21/09/2022g），阿卜杜勒齐兹·阿卜杜拉·阿卜杜拉·阿尔莫萨（Abdulaziz Abdullah Almoosa以下每一个：（1）Habiba Abdulrahman Almoosa，（2）Mohammad Abdulaziz almoosa，（3）Malek Abdulaziz almoosa，（4）Ahmed Abdulaziz almoosa，（5）Yousef Abdulaziz almoosa，（5） and (ii) two hundred and fifty (250) Shares to each of (1) Sara Abdulaziz Almoosa, (2) Zainab Abdulaziz Almoosa, (3) Lama Abdulaziz Almoosa, and (4) Omaima Abdulaziz Almoosa without consideration.根据11/06/1445h的非凡大会决议（对应于24/12/2023G），该公司的股本从一百万沙特里亚尔人（SAR 1,000,000）（SAR 1,000,000）（SAR 1,000,000）（SAR 1,000,000）（SAR 3,000,000）（SAR 350,000）（SAR 350,000）（35000,000）（350,000）（35000万）（thir Thir 3500万）（3500万）（35000万）（3500,000千），轮回（SAR 10）每股。增加了三百九百万沙特里亚尔（SAR 34.9，000,000），通过大写300千万沙特里亚尔人（SAR 349,000,000）的资本化，从股东的贡献账户中获得了：拥有有限责任公司的所有权，以及（2）该公司的一位股东的土地价值为5370万的土地）。On 04/08/1445H (corresponding to 14/02/2024G), Abdulaziz Abdullah Almoosa, who owned twenty-eight million (28,000,000) Shares of the Company's share capital, transferred one million, seven hundred and fifty thousand (1,750,000) of the Company Shares to Abdulaziz bin Abdullah Almoosa Charity Company.在04/08/1445h（对应于14/02/2024G），非凡的大会批准将公司名称从“ Al Moosa专业医院”更改为“ Almoosa Health Company”。16/09/1445h（对应于26/03/2024G），（1）Abdulaziz Abdullah Almoosa，（2）Habiba Abdulrahman Almoosa，（3）Mohammad Abdulaziz almoosa，（4）Malek Abdulaziz almoosa，（4） Zainab Abdulaziz Almoosa, (7) Omaima Abdulaziz Almoosa, (8) Yaser Abdulaziz Almoosa, (9) Yousef Abdulaziz Almoosa, (10) Lama Abdulaziz Almoosa, and (11) Ahmed Abdulaziz Almoosa transferred all their Shares in the Company, totaling thirty-three million, two Abdulaziz Bin Abdullah Almoosa投资公司的一百五万（33,250,000）股，以交换以授予其股票。On 16/10/1445H (corresponding to 25/04/2024G), the Company's Extraordinary General Assembly approved the Company's capital increase from three hundred and fifty million Saudi Riyals (SAR 350,000,000) divided into thirty-five million (35,000,000) fully paid ordinary Shares with a nominal value of ten Saudi Riyals (SAR 10) per Share to four hundred and forty-three million,三万五千，八百位沙特阿里亚尔（SAR 443,035,800）分为400万，三千五十千，五百八十80（44,303,580）股普通股，名义上的价值为10个沙特阿拉伯riyals（SAR 10），每股三百万（SAR 10）（在此占三百万），三名股票（三百万），三名属于“三分”。一百八十（9,303,580）新股（以下简称“新股票”）（有关公司历史的更多信息，请参阅第4.1.2节“公司的历史和其所有权和资本结构的历史以及本前店的资本结构”）。