企业长期利益最大化和履行社会责任最优水平分析

分析企业履行社会责任对企业长期利润的影响,企业如何实现最优的企业社会责任水平。在长期内,企业履行社会责任能提高企业综合竞争力,不履行社会责任使企业丧失竞争力,通过分析认为,如果企业社会责任对企业短期利润是较小的负面影响;企业不履行社会责任使企业丧失竞争力对企业利润的不利影响更高;企业履行社会责任使具有竞争力的企业向丧失竞争力状态转化的转化率更低,企业履行社会责任使缺乏竞争力的企业向具有竞争力的企业转化的转化率更高。上述情况将提高企业履行社会责任的最优水平。     

跳远运动员下肢关节振动力量训练效果的比较研究

对10名跳远专项二级运动员8周系统的振动力量训练研究表明:在刺激频率为30～35 Hz、加速度25～30m/s2条件下,实验组(I组)和对照组(Ⅱ组)髋、膝、踝关节的伸屈肌群最大功都有不同程度提高,其中I组髋关节伸屈肌、膝、踝关节的屈肌最大功增长幅度比Ⅱ组大,屈肌最大功增长幅度比伸肌大,而且屈肌的最大功要比实验前呈现显著性增长;I组髋关节伸屈肌、膝关节屈肌、踝关节伸肌相对峰力矩的增值幅度比Ⅱ组大,而髋、膝、踝三个关节屈肌相对峰力矩增长幅度相对较小.髋、膝、踝关节肌力增长情况表明:髋关节前4周增长幅度较低,后4周增长幅度较高,呈现出明显的"先低后高"变化特征;而膝、踝关节前4周增长幅度较高,后4周提高幅度降低,呈现出明显的"先高后低"变化特征.     

提高细长轴加工精度的措施

讨论了车削细长轴经常出现的问题.并从工艺、刀具及辅具、以及新的加工方法等方面较全面地阐述了提高细长轴加工精度的措施.     

运动表象在跳远技术教学训练中的意义及运用

通过文献资料分析和教学训练经验总结,对运动表象在跳远腾空技术教学训练中的意义及作用进行了探讨分析,并根据运动表象建立过程的心理学原理,针对建立运动表象的不同过程,提出了相应的教学训练方法。     

对潘朝曦"运动有害论"的质疑和补正

运动和不当运动是两个不同的概念,不当运动的恶果并非运动之过。不科学的运动方式,使运动者身体关键部位损伤,是运动猝死的主要原因。对海曼、朱刚、库珀的一位崇拜者等人的猝死以及北京国际马拉松赛3例猝死的分析表明,这些不幸都是可以避免的。“天年”学说和海弗里克理论未能正确表述人类衰老与寿命极限,“运动使体温升高并缩短寿命”的推测并无事实根据,“人体冷冻延长寿命”只是面临诸多难题的初步设想而不是现实,这些都不能用于科学论证。王嘉鹏、彭水林和北京玉渊潭公园抗癌乐园的动人事迹,展示了康复运动对社会的重要贡献。洪昭光的鹿与狼的故事从生存环境的角度来看是有教育意义的。     

浅析长拳运动的物质代谢特点及糖和铁元素的合理补充

通过对武术长拳运动项目物质代谢特点及疲劳产生机理的分析,浅谈长拳运动员的糖和铁元素补充及摄入的基本要求,并对武术长拳运动员的营养补充提出合理性建议。     

中韩女子手球远射技术能力比较研究

通过文献研究和现场观察法对中韩卫线队员的远射成功率、射门方法、射门手段、射门时机的选择这几个方面进行研究。结果发现韩国队虽然身材不及中国队,但远射技术更突出了亚洲小、快、灵的特点,集中了力量、技巧、意识、隐蔽性诸因素,射门成功率高于中国队。建议更注重外围队员全面综合培养,掌握更多的射门招数,并且能与战术的演变和发展相适应。     

相同强度的臀推和前蹲练习对 下肢速度和爆发力的即刻影响

目的：探讨相同负荷强度的臀推和前蹲练习对20 m冲刺速度、纵跳摸高、立定跳远的影响。方法：对招募的25名北京体育大学田径专项男性大学生进行负重半蹲1RM测试,符合1RM/体重＞2标准的作为最终的受试者。以臀推和前蹲的1RM测试成绩的90%为练习负荷强度,分别测定90%1RM臀推和前蹲练习前后20 m冲刺、纵跳摸高、立定跳远成绩。结果：①90%1RM臀推练习后20 m冲刺成绩,以及0—10 m、0—20 m的分段速度显著高于练习前（P＜005）;②90%1RM前蹲练习后纵跳摸高成绩显著高于90%1RM臀推练习后的成绩（P＜005）;③90%1RM臀推练习与90%1RM前蹲练习对立定跳远成绩的影响没有显著性差异（P＞005）。结论：90%1RM臀推练习能够显著提高速度、爆发力成绩;90%1RM前蹲练习对纵跳摸高的影响更为显著;两种练习对立定跳远的影响无明显差异。     

基于深度学习的智能移动边缘网络缓存

针对移动边缘网络缓存问题,提出把计算资源推送到网络边缘,使边缘接入热点能有数据分析能力,构建基于深度学习的深度缓存策略,进一步提升缓存效率。在边缘接入热点处构建基于长短期记忆神经网络模型的缓存内容文件流行度预测系统,通过分析本地数据给出内容文件流行度预测。把内容文件流行度预测系统整合到移动边缘网络缓存系统中最大化缓存命中率,提出深度缓存策略,大大提升移动边缘网络缓存性能。在真实视频数据集上进行测试,实验结果表明：提出的内容流行度预测系统的准确度高于现有最优方法;提出的深度缓存策略与传统的缓存算法相比,在相同的缓存命中率指标下大约仅需一半的缓存存储空间。     

基于机器学习的点集匹配算法

点集匹配是计算机视觉和模式识别中的重要问题,在目标识别、医学图像配准、姿态估计等方面都得到广泛应用。提出基于机器学习的端对端模型——multi-pointer network（MPN）来解决点集匹配问题。该网络模型利用多标签分类的思想,改进pointer network。以前的模型只输出输入序列的一个元素,而MPN模型选择输入序列中的一组元素作为输出。首先,把点集匹配问题转换为序列问题。这样,网络的输入为顶点的坐标序列,输出为点对之间的对应关系。利用这种方式,可以解决相对于整个空间的平移变换和其他大幅度的刚性变换。实验结果表明,模型也可以被推广解决其他带结构的组合优化问题,如三角剖分等。