短跑运动员体能训练结构特征的研究

运用文献资料法、特征解析法、访谈法等研究方法,对世界优秀短跑运动员的身体素质训练结构进行研究.研究揭示:力量训练结构主要是由单腿或双腿的连续跳跃、多次数的深蹲或半蹲练习组合而成;速度素质训练结构主要是以提高最大速度为核心,以最大负荷强度的短距离跑练习为主要手段;耐力的训练结构主要是由长距离和比赛距离的重复跑和间歇跑构成.     

系统科学视野下认识足球运动员体能结构特征

本文采用文献资料调研、专家访谈、问卷调查、数理统计等研究方法，对我国足球运动员体能特征及其训练进行了探索．结果表明，体能是一个复杂的结构系统。足球运动员身体形态粗壮，有氧与无氧能力表现为非衡补偿性，身体素质以速度力量组合为主；位置技术与体能特征关系密切；我国足球界在训练思维理念、体能特征认识两个层面上均存在不同程度的问题。     

数据特征对剪力墙结构生成式智能设计的影响

深度学习通过提取和学习剪力墙结构数据高维特征掌握智能设计技术，有效推动了建筑结构智能化设计的发展。数据驱动的结构智能设计通常受训练数据的数量和分布特征影响，但鲜有研究开展数据特征相关分析。该文通过收集设计习惯相似且地域相近的剪力墙建筑-结构设计图纸数据，开展了数据分布和数量特征与设计结果的相关性分析；提出混合数据训练联合特征分组训练的两阶段改进训练方法，有效提升了智能设计质量；采用与训练数据高度非同源的其他地区数据对研究结果进行了测试与检验。分析表明：数据低维特征的回归分析难以有效指导设计生成，而基于深度学习的高维特征学习则能有效掌握结构设计的潜在规律；随着训练数据量增加，智能设计效果也将得到平均20%以上的提升。通过典型案例研究证明：智能设计与工程师设计的平面设计相似性及整体结构力学性能相似性均较高，最大层间位移角的平均差异仅约8%。但是，当测试数据与训练数据特征差异过于显著时，智能设计质量将会受限。该研究通过对数据分布和数量特征与智能设计结果的相关性分析，为下一步开展基于深度学习的智能化结构设计研究提供了数据特征影响方面的参考。     

对田径速度力量训练基本方法的探讨

文章运用文献资料法并结合教学训练的实践。对田径速度力量的结构特点、训练方法和手段的选择及训练负荷的安排进行了研究，目的是为提高田径速度力量训练效果提供科学的理论依据。     

中外优秀男子百米跑运动员速度结构和技术特征比较分析

针对近年来我国短跑项目的低弥状态，通过中外优秀男子100米跑运动员的速度结构和技术特征进行分析认为：最大速度是制约我国男子100米跑的关键因素，而加速距离短是影响最大速度的主要因子．且我国男子短跑运动员保持最大速度的能力差及最大速度出现的时机不合理。     

冲刺训练强度影响足球运动员冲刺能力的研究

文章以合肥工业大学校足球代表队25名队员为研究对象,采用分组训练、干涉训练、对比测试及数据分析等方式,对足球运动员的冲刺能力受大强度冲刺训练影响进行分析研究。结果表明,以尽可能大的强度进行反复冲刺能力训练,并不能有效地提高最大冲刺速度、反复冲刺、自由纵跳、最大摄氧量和Yo-Yo间歇恢复测试的成绩,但对体能有一定的促进作用。研究结果对训练模式的制定有参考意义。     

应激训练在克服速度障碍中的运用

以参加福建省第十届田径运动会的优秀男女短跑运动员为研究对象，采用应激训练来克服速度障碍这个顽症。研究结果表明，应激训练能够提高运动员的易激性，打破原来的心理定势，克服速度心理障碍，达到挖掘速度潜力的目的。但应激训练具有两重性，应加强医务监督。     

运动训练周期的生理、生化基础

通过最新的生理、生化指标对高水平运动员训练的年周期结构的研究，认为提高训练水平必须关注时间形式，并根据运动训练、比赛特征、比赛时间规律、训练负荷和机体适应能力的储备水平以及训练间歇，从而使机体能进入最大紧张状态，提高肌肉系统、植物神经系统、能量系统的生理应激水平，用有关生理、生化参数进行科学监督，这样才能保证训练水平不断提高，进而提高运动水平．     

一种基于Nest层次型分类器的快速、精确的眼睛定位算法

人脸特征点定位是人脸识别、表情识别等人脸处理技术的基础,脸部特征点定位,尤其是眼睛的定位性能很大程度上影响着算法的精度.首先利用积分图像的概念快速计算眼睛样本的Haar-like特征,然后训练了Real Adaboost分类器,为了提高训练速度采用了层次型结构的Real Adaboost分类器.相比于传统Cascade结构的层次型分类器,本文采用了基于Nest结构的层次型分类器算法. 研究表明这种新的算法,定位速度更快,定位精确度也更高.     

基于Inception卷积神经网络的城市快速路行程速度短时预测

为了高效捕捉城市快速路复杂的交通拥堵特征,提升短时行程速度预测的准确性,以卷积神经网络为基础,结合Inception模块,构建行程速度短时预测模型。将行程速度信息按照时空关联关系组织为二维数据矩阵,以图像为特征学习对象,自动提取交通数据高维特征并学习多粒度复杂交通拥堵模式,通过系统的网络设计与测试训练得到模型最优结构参数和优化参数,结合回归分析方法与梯度幅度相似性偏差指标,综合评价模型性能。实证结果表明,模型提取行程速度数据时序特征和时空演化特征能力较强,预测准确性较高,可进一步应用于其他交通参数的短时预测。     

基于图像矫正与去噪的车牌识别算法RD-LPRNet

复杂场景下的车牌目标存在大倾角、远距离、光照不均等负面因素，极大地加剧了车牌识别的难度。针对上述问题，提出了一种新的车牌识别算法RD-LPRNet,该算法首先采用改进空间变换网络RNet预测仿射变换参数，对存在大倾角的车牌进行几何矫正；接着构造基于自适应注意力机制的去噪网络DNet,以真实-标准车牌对为训练数据，提高网络提取有效特征、剔除无效噪声信息的能力；最后基于LPRNet,改进其网络输入结构以丰富初始输入特征，提高训练收敛速度；添加深度分离卷积瓶颈结构，增强网络的特征提取能力；加入残差卷积替代特征拼接实现更高效的特征融合与传递。对CCPD、CLPD、PKUdata、OpenITS以及本文人工采集的车牌数据的测试结果表明，RD-LPRNet在复杂场景下表现出更高的识别性能。     

中国赛艇女子轻量级双人双桨队员里约奥运会赛前水上训练内容与负荷特征研究

采用文献资料法、专家访谈法及数理统计法,分析中国赛艇女子轻量级双人双桨队员里约奥运会赛前水上训练内容与负荷特征.研究发现:①中国赛艇女子轻量级双人双桨队员里约奥运赛前训练(9周)分为强化期和适应期,其中强化期为赛前加量阶段,适应期为赛前减量阶段.②强化期与适应期水上训练以乳酸低于4 mmol/L的有氧训练为主,适应期不安排最大速度训练,而增加有氧训练.③强化期与适应期每日训练时间变化服从正太分布,且强化期休息日少,训练密度大,通过每日训练时间的增减变化来消除疲劳,调整状态.④强化期与适应期水上训练以小强度为主,乳酸阈强度为辅;此外,强化期每周水上小强度与乳酸阈强度训练高度相关,呈现一主一辅的交替变化特征,且在强化期开始与结束阶段以及适应期均以小强度为主,乳酸阈强度为辅开展训练.结论:赛前水上训练内容和负荷安排相对合理,运动员能在比赛中较好地发挥自身水平,但仍存在冲刺较晚、桨频慢和速度不足的问题,建议在训练中增加小强度和大强度的水上训练比例,逐渐逼近"两极化模式".     

呼吸与拳击动作配合特点的探索

在现代拳击运动中,如何使呼吸与运动动作相配合,是一个关系到以最快速度与最大力量实施击打目的的一个重要问题。在训练中,注意培养和训练呼吸与动作节奏、动作结构和用力程度的协调统一,对增强训练效果,充分发挥人体的机能能力,创造优异成绩,有着十分重要的意义。     

国际速度训练研究热点与前沿的图谱分析

运用Citespace软件对Web of Science平台的SCI、SSCI、A＆HCI数据库中2003-2012年10年间有关速度训练方面的文献索引资料进行科学计量分析,找出国际速度训练领域的研究前沿与热点。结果表明：速度训练研究文献主要来自美国、澳大利亚等国家的高等院校,Wilson G J、McBride J M、Paavolainen L等是该领域的高影响力作者,《力量与训练研究杂志》是刊载速度训练相关文献最多的杂志;研究热点主要集中在速度训练的生理生化基础、速度练习与提高手段、专项速度、训练监控四个方面;围绕优秀运动员机体的生理生化适应机制和运动项目的特征设计专项速度训练手段,严密监控训练过程,注重赛季或赛场表现是速度训练的研究前沿。     

投掷运动中人体对器械做功分析及其力量训练原理探讨

通过对投掷运动中人体作用器械做功的分析,提出了提高运动员专项力量的训练原理。力量训练时,必须根据影响投掷项目运动成绩的关键因素,肌肉收缩的速度与力量特性,器械做功与运动成绩关系的力学特征等规律。提出了加强最大力量训练是提高运动成绩的基础,加强峰值力量训练是提高运动成绩的重点,加强速度力量训练是提高运动成绩的关键。     

基于神经网络的货币识别研究

货币识别研究的重点在于识别的准确和速度.采用结构相对简单的前馈神经网络,选取合适的货币采样特征为网络的输入特征,使用尺度共轭梯度(SCG)算法对网络进行快速高效训练,实现对货币的快速、准确识别.实验结果表明,该方案是可行、有效的.     

走跑式与第一跳技术在业余三级跳远训练中的作用

速度型三级跳远技术已成为现代和未来发展的必然趋势．为了培养速度型三级跳远运动员，业余训练专门采用了以走步式技术为基础向跑步式技术即速度型过渡的训练模式，并进行了两年的训练实验，试图为三级跳远早期训练提供有益的启示。     

基于数值模拟和机器学习的风场快速重构方法

近年来受大风天气影响，树倒墙塌、高空坠物、广告牌散落等情况时有发生，严重影响社区居民安全，迫切需要识别出大风天气下社区内重点危险区域并加以防范。该文以北京市石景山区某社区风场为例进行场景建模，利用数值模拟与机器学习寻找社区特征点，完成特征点风速数据到风场数据的预测。以10个特征点数据预测6 681个点的风场数据为例，基于7 917个训练风场、 2 026个测试风场的模型训练测试结果表明：东西方向1 m/s以上速度的预测值平均相对误差为5.8%,南北方向1 m/s以上速度的预测值平均相对误差为6.2%。采用该方法可以快速获得满足精度要求的社区背景风场以指导社区风险防范、应急决策与救援，对于保障社区安全具有重要意义。     

高校田径队跳跃项目最大功率力量训练法的研究

最大功率力量训练法是运动员在一定负荷下,用最快的速度完成动作以获得最大功率的训练方法.文章运用分组实验法、数理统计法、文献资料法等方法对最大功率力量训练法进行研究.结果表明:最大功率力量训练法对高校业余跳跃运动员训练前期爆发力的提高,有着明显的效果,为运动员提高专项成绩打下良好的基础.     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。