浅谈青少年体育训练中运动伤害的预防

青少年开展体育训练不仅能够增强身体机能,还能借助体育训练促进自身德、智、体、美、劳均衡发展。而运动伤害严重影响运动效果,会给体育运动的持续进行带来不利影响,因此加强运动伤害预防极具重要意义。鉴于此,本文就青少年体育训练中运动伤害的类型、成因及有效预防措施进行了探讨。     

探究大学体育训练中运动生理学与运动心理学的作用及联系

随着我国对青少年体质逐渐重视,关于体育训练课程的学习显得非常重要。良好的体育锻炼可提高学生的身体素质,增强其体魄。基于此,需要对大学的体育训练展开进一步研究。作为当代心理学的最新进展之一,运动心理学正在以全新的姿态引领心理学研究的积极取向。进入21世纪,运动心理学开始逐渐对我国的教育科研等方面产生影响。文章开展运动心理学的相关知识内容研究,旨在为大学体育训练中运动生理与运动心理学的研究提供参考。     

运动镜模型 黑洞:时空结构

弯曲空间量子场中的一种运动镜模型可用于等效描述黑洞视界外的物理并使其物理过程及相应解释得以简化。本文在给出一特定的运动镜轨迹后将黑洞视界外的史瓦西空时流形与运动镜的空时流形进行了比较,得出两种结构在视界外空时区域完全相同。     

基于13元组模型的运动人体时空关系描述方法

针对运动人体时空关系描述存在的问题,提出了基于13元组运动人体时空模型的运动人体时空关系描述方法 .该模型包含了二维到三维空间对运动人体的拓扑关系、方向关系、和时间关系.三维可视域和云模型的采用,实现了三维空间中不确定方向关系的判定.实验结果显示:该方法能全方位从点、线、面、体在二维至三维空间中实现视频场景中运动人体时空关系的自然语言描述.     

基于卷积神经网络的网络故障诊断模型

对于网络运行过程中产生的海量日志信息,传统故障诊断方法很难进行实时而全面的日志分析。针对该问题,提出一种基于卷积神经网络（Convolutional Neural Network,CNN）的网络故障诊断模型,利用Skip-gram模型进行词向量训练,并将词向量作为卷积神经网络输入,最终通过Softmax回归进行分类。实验结果表明,该模型可以有效处理网络故障诊断任务,且优于传统机器学习方法,对于网络运行日志的故障诊断准确率可达73.2%以上。     

基于卷积神经网络的人脸检测算法研究

近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。     

基于局部卷积网络的地基云图修复

为修复全天空成像仪拍摄的地基云图中的大面积遮挡区域,提出了一种基于局部卷积神经网络的地基云图修复方法。通过在传统卷积神经网络的基础上增加网络结果整体跨层传输结构,连接对需修复图像的编码和解码两部分,实现了以含遮挡图像的输入到修复完图像的输出全过程。采用美国国家新能源实验室网上公开数据,从定性和定量的角度分析不同天气情况下所提出修复方法的性能,实验结果表明,基于局部卷积网络的地基云图修复方法可以较为真实地还原天空情况,取得优于现有方法的修复效果,为光伏电站输出功率预测提供了重要的数据。     

基于卷积神经网络的模式分类器

研究了使用卷积神经网络((Convolutional Neural Networks,CNNS)构造模式分类器,并用于文本/图像分割和文本检测的可能性.CNNs可以避免显式(直接)特征取样.更为重要的是,CNNs能直接运作于灰度图像,使其应用变得直截了当.对诸如卷积核尺度、网络收敛速度等具体算法实现问题进行了讨论,并给出CNNs在汉字文本/图像分割和文本检测方面的各种实验结果.     

基于时空特征的航拍视频运动目标检测研究

航拍视频具有监控场景范围大、采集设备移动迅捷等优点。与普通监控视频相比,航拍具有目标分辨率低、场景干扰因素多、采集设备不固定等问题,运动目标检测是个难题。针对这些问题,提出一种融合时空特性的两级运动目标检测算法。首先利用SURF算子完成图像匹配,解决摄像机移动问题,并结合目标的运动特性及自适应道路检测算法完成时域上的目标区域检测|采用HSV空间中的S分量图颜色特征,利用道路区域与目标区域的差异性完成空域目标区域检测。实验采用著名的VIVID Egtest01数据库以及Munich Crossroad01数据库中的数据,并与传统方法进行对比。结果显示该算法平均准确率达到93%,相比于传统方法有效性和鲁棒性更好。     

基于卷积神经网络的光学遥感图像目标检测

针对光学遥感图像中的目标检测问题,提出了1种基于卷积神经网络模型的算法,对遥感目标检测任务进行端到端的训练和检测,根据输入的光学遥感图像,直接输出目标包围盒的回归结果和置信度。为训练和测试模型,建立了1个包含1万多个飞机、舰船目标以及广泛复杂背景的数据集。所提算法在其测试集上达到了超过90%的准确率和召回率,在GPU上的运行速度也接近实时,体现了算法准确、高效、鲁棒和易于训练的特点。     

运动图象的时空还原

运动规律可以用文字叙述、公式表示,也可以用图象来表征,因为图象是一种特殊的数学语言和工具,它能形象地表达运动过程和规律,恰当地反映各物理量间的函数关系.掌握它的人,能从图象中看出运动过程和规律的清晰本质.它对理解运动有着难以言状的妙处.但正是它的直观性、形象性却给不少同学带来误解和麻烦.     

基于卷积神经网络的野外烟雾检测研究

野外烟雾具有稀疏性,在整幅图像中所占面积小,扩散缓慢。传统烟雾检测算法由人工提取的特征不一定是最合适的烟雾特征,从而导致烟雾检测存在错检或误检。为此,设计了基于卷积神经网络的野外烟雾检测算法。通过改进的VGG16网络以及搭建的卷积神经网络conv-10进行烟雾检测。VGG16过滤器尺寸大小为3×3,步长为1。conv-10通过对LeNet增加相应的层数进行烟雾检测。实验证明,conv-10网络具有较高的准确率,达到94.7%,时间仅需要1 656s。改进的VGG16网络准确率也较高,但是比conv-10网络速度慢,时间需要10 450s。     

基于可变形卷积神经网络的图像分类研究

卷积神经网络（Convolutional Neural Networks,CNNs）具有强大的特征自学习与抽象表达能力,在图像分类领域有着广泛应用。但是,各模块较为固定的几何结构完全限制了卷积神经网络对空间变换的建模,难以避免地受到数据空间多样性的影响。在卷积网络中引入自学习的空间变换结构,或是引入可变形的卷积,使卷积核形状可以发生变化,以适应不同的输入特征图,丰富了卷积网络的空间表达能力。对现有卷积神经网络进行了改进,结果表明其在公共图像库和自建图像库上都表现出了更好的分类效果。     

基于PBL教学模式的高中体育训练研究

本文结合具体的高中体育训练开展PBL教学模式实践,并与以往的教学方法进行对比,证明了PBL教学模式的可行性和良好效果.     

融合多层卷积特征的绝缘子目标检测

提出了一种基于多层卷积特征融合的Faster R-CNN绝缘子检测算法,首先对卷积神经网络中包含更多目标细节信息的浅层特征图与特征信息更加明显的深层特征图进行融合,提高算法对目标特征的提取能力;然后根据绝缘子的形状特点改进锚框的比例,减小锚框尺寸,提升对小尺度绝缘子的检测能力,并在训练过程中加入多尺度训练,降低不同尺度绝缘子对识别率的影响。结果表明,在检测速度基本不变的情况下,所提出的算法平均精度均值(mAP)可达93.6%,比原始算法Faster R-CNN高出6.8%,对多尺度绝缘子的识别性能更优。     

基于卷积神经网络的智能垃圾分拣车

基于卷积神经网络,设计一种智能垃圾分拣车。该分拣车以树莓派为控制核心,使用单目广角摄像头、超声波测距传感器、倾斜角度传感器获取信息,以麦克纳姆轮小车为运动载体,通过Yolo-Fastest目标检测算法和自主编写的运动反馈控制算法,实现自主路径规划、垃圾识别、垃圾抓取、垃圾分类等功能,具有简单可靠、性价比高的特点。     

基于卷积编解码网络的自由感应衰减信号提取方法

在实际应用中,自由感应衰减信号(FID)数据中通常含有大量噪声干扰,直接影响了检测结果的准确性。该文针对上述问题,设计了一种基于卷积编解码网络的FID信号提取方法。即在卷积神经网络的框架下,通过训练学习复杂噪声背景下FID数据时频谱与纯净FID信号时频谱之间的映射关系,实现FID信号的噪声压制,再经短时傅里叶逆变换完成FID信号的提取。在卷积网络训练中同时考虑了FID信号的实部和虚部特征,更好地保留了其相位信息。实验结果表明:提出的FID信号提取方法可以在多种噪声同时存在的情况下有效地压制噪声,且不损失FID信号。该方法可作为深度学习课程的验证性实验,也可作为创新性实验内容。     

从时空的视角谈排球运动

运用文献资料法和逻辑分析法,从时空的视角阐述了排球运动,包括排球运动中时间和空间的界定、关系.时空与排球运动的发展,以及排球基本战术的时空特性.认为排球运动作为一种特殊的物质运动形式存在于一定的时间和空间之中,从时空的视角去解读排球具有重要的意义.     

基于卷积神经网络的恶意代码API分类

恶意代码已经成为威胁网络安全的重要因素之一,安全人员一直致力于研究如何有效检测恶意代码,在动态分析方法中可以通过程序的API调用序列进行分析。通过对恶意软件的API调用序列进行编码处理,可以获得图片格式的数据,进而使用卷积神经网络训练出分类模型,从而实现对恶意软件进行分类,获得较高的准确率,针对阿里云天池上的数据集进行实验验证,实验使用有向图编码方式,采用不同的卷积神经网络架构,对比不同方法的准确性。