文摘
运动员不得不处理他们的思考方式发生重大变化前后的心理和情感在各自领域参加比赛。已经变得越来越困难的球员任何运动克服这些差异由于巨大的技术进步,帮助分析运动员的困难。培训师可以使用分析结果来帮助激励和运动员为即将到来的比赛做准备。分析在这项研究是基于信息在东京奥运会的参赛运动员。深度学习模型被用来评估研究。图像特征检测可以通过机器学习技术的应用被称为深度学习。它使用了一个神经网络,计算机系统模拟人类大脑的多个层。一个或多个特色可以从每一层中提取。深入学习模型称为行为识别算法用于研究。调查问卷的数据集被用来生成的结果分析。
1。介绍
运动员被认为是真实的英雄,因为他们代表了他们参与的国家事件。每个运动员将面临着身体和心理的挑战来实现他们最好的参与体育运动。运动员预计将强劲和快速学习和性能。一个人或运动的目标是提高球员发展(1]。在当代体育文化,我们专注于团队联系,个人统计,受害古老的测量在每个运动。在个人运动,一个球员的表现立即转化为积累胜利的机会。团队运动有一个增值的复杂性,促进了无数个体的相互作用在一个成功的团队。了解播放器进程数据帮助指导,激励,设计活动,将最有效地开发运动员作为个人和作为团队的一员2]。这个主观信息的融合与目标事实关于运动员的大脑功能和测量有关精神的人才是迷人的。运动员在身体和精神健康项目的引导下,他们可能面临问题3]。以前,健康计划只关注身体健康,无论是球员还是团队专注于精神状态方面的运动。体育企业将维护运动员的健康和提高他们的性能设计预防性健康计划个性化为每个球员。
提高性能,同时降低球员风险,更好地理解个体的精神天赋是必需的。智力影响每个球员的技能和能力,以及他们的健康;尽管如此,它在体育产业在很大程度上是未知的(4]。人工智能(AI)提供了一个新颖的方法来理解人类的思想,但它仍然是一个宽泛的术语被广泛误解,充斥着潜在和炒作,事实和幻想5]。唯一的人工智能的定义是软件包的系统执行智能尽管没有明确的程序。这些系统学会识别和分类的输入模式,制作和概率预测,以及操作没有明确的规则和监督(6]。AI和深度学习将在难题称为生物标志物识别潜在的模式,随时间变化和相关球员的表现7]。这些生物标志物可能倾向于生活和实现每个球员和团队的具体目标。
通过例子学习,AI使生物标志物识别的自动化,即。,定位高阶功能区域连接到特定的现象。深度学习发现模式通过使用人工神经网络(8]。曾几何时,我们大脑中最优雅的神经网络是这样的。他们有许多层调整自动特征提取资料,机器学习不能转载每个后续层下手前一层的输出作为输入(9]。深度学习集中在处理大型复杂的水平,形状,和大量的数据10]。它会理解、学习预测,随着时间的推移和独立调整。同时,人工智能和深度学习帮助企业提高运动员的竞技水平,同时限制球员的危险通过提供更多的见解从性能和健康数据规模的100%,只有自动化可以提供(11]。在这项研究中,深度学习模型用于分析运动员的心理和压力水平。
研究的贡献如下:(我)专注于确定心理和压力水平使用深度学习模型。(2)它是基于信息在东京奥运会的参赛运动员。(3)旨在分析运动员的行为使用行为识别算法。
2。相关的工作
精神力量是一组心理特征峰值性能至关重要。运动员、教练员和体育心理学家一直质疑精神韧性的一个最重要的心理特征与运动的成就。许多研究都是在过去的十年里进行调查的角色心理韧性在体育的成功12,13]。然而,其概念化和测量没有同意。本研究打算全面调查,一些新的定义和概念化以及促进心理健康。本文地址描述和分析方法来分析心理韧性,重点是发展模式的构建的评估14]。而这些讨论中心心理韧性的一般特征,许多关注的相关学者和实践者关注评估心理因素与运动和锻炼,以及其他性能或结果设置(15]。个人应该练习一些提前preperformance战术,这样他们可以处理之前的感情控制的情况。当个人或团队寻求实现相同的目标,竞争可能带来最好的或最坏的运动员,和心理要求相当高。当体能是相等的,更强的竞争对手心态,谁能控制自己的思想之前和期间比赛,赢了。然而,许多运动员,错误地认为,精神方面的性能是内在的和不变的16]。在现实中,一致的心理训练会影响性能类似于体能训练;进入竞争之前进行适当的心态是最佳性能的最重要的部分之一。根据研究的奥运选手,精神和身体意识的结合是一个重要的功能,杰出的表现最高的运动员在奥运会上从低执行同行(17]。只有认知特征相关统计最后的奥运成绩三个测量准备阶段(精神、物理和技术)。随着行业预计,运动员和教练以各种各样的方式作出反应,变得越来越内向和沉默,别人比平时更有进攻性,和其他人经常消失在背景。运动员表现出他们的情绪情感立即在困难的情况下,这对他们的表现有负面影响,如果他们不能管理自己的压力。因此,它是至关重要的战略来应对preperformance压力(18,19]。情绪是运动和竞争的一个重要元素,但是如果运动员在赛前不管理他们,他们可以控制和影响他们的表现。心理策略和常规应用程序通过心理管理将帮助运动员准备提高性能(20.,21]。有不同的心理困难的运动员体能训练师确认,大概他们意识到这些潜在的运动伤害,认为他们至关重要的组件康复过程(22]。也承诺他们似乎明白如何正确检测是否存在心理障碍的运动员(23]。此外,体能训练师是合理地意识到自己的义务和感觉主管在执行各种各样的心理策略与运动员在康复。然而,当被要求选择合适的心理战术,教师助理犹豫了一下。可以解释为大多数运动心理学的理论性质类(24]。结果,包括亲身经历在体育锻炼指导应该建议确保运动鞋可以用运动员处理应用场景。有经验的玩家有更好的自律能力比新秀。这些能力往往与preperformance以及性能的条件。符合最近的一份报告准备在运动恢复以及表现,我们认为,自我调节能力也同样重要,postperformance困难(例如,复苏),和这些技能应该训练促进愈合(25]。研究也旨在评估复苏动态自动调节过程组成的自我监控(即意识)、认知和情感控制和自制(即开始进入行为)。理想情况下,这将影响未来康复研究(例如,通过期刊论文)和专家在增加运动员的灵活性。没有现有的本主题相关的研究。本研究进行了检查post-emotional和心理变化的性能。这项研究集中在评估运动员的post-psychological和情感变化使用深度学习的方法。
3所示。提出工作
提出的体系结构如图1。比赛结束后,大多数运动员首选自言自语分析他们的情感,效率,和焦虑。
在本研究工作中,将近11000的竞争对手的信息代表47体育和743支球队参加2021年东京奥运会(2020)被认为是。这个数据集包含的信息运动员、教练员和团队竞争,以及性别条目。它包括他们的名字,他们代表的国家,他们参加的纪律,运动员的性别,教练的标识符。
实验小组获得一个星期1 (n= 36)或一个星期8 (n= 38)自言自语(ST)的干预,而圣培训组收到没有。最初的干预后,回归分析(竞争焦虑,自愿控制能力,自我效能,以及教练的工作增强)三次测量。圣训练导致躯体焦虑水平较低和意识状态自信、灵魂、自我效能感、和性能,如预期。此外,长期的训练表现短期培训。其定制圣疗法可能帮助改善心理状态以及初级运动员的表现。
在精英运动员,运动员的击中横梁或圣结果的大小,这个方程是根据给定方程(1)和(2)
引力场 ,下面是一个用来计算核心的轨迹曲线方程给出。
它可以解决给出了 水平的功能吗 ,可能显示。下面的公式可以用来计算入射角为精英运动员为代表。
假设当收到手,运动员篮板不是考虑;然而,运动员是假定有一个直径的大小的直径 ,这是用方程表示:
每当精英运动员触摸框架,其中心可以偏离帧的起源,以及向前的最大距离 ,之后,它将在方程。
如果设置 ,结果将是方程。
如果你寻求帮助并使 ,你可以做以下方程。
替代 对衍生品在左边一针角的线性指标之间的差异用方程表示。
4所示。结果与讨论
运动员是决定性的和快速的学习和成就。一个人的或运动的目的是提高运动员的发展。在今天的体育文化,我们着迷于团队和个人统计,古老的测量在所有的体育运动。个人成就的个人运动迅速增加了胜利的可能性。组织体育这样一个增值的并发症,它允许多个人赢得团队互动。理解一个球员接收数据有助于指导,鼓励和发展活动,很可能揭示了运动员的个性和团队成员的细节。图2表明个人的干预和控制组织,完成了测试和分析。一个星期后,对照组测试的一半,剩下的一半8周后检查。最后,根据运动员的日程安排,我们做了第三个信息的估值大约5 - 6周后治疗是否有任何长期影响(时间3)。对照组的参与者进行测试的同时,在实验和对照组。深度学习使组织能够提高运动员的竞技水平,同时减少球员提供更大的洞察力与100%的健康风险和物理数据级别,只有自动化可以提供。深度学习方法用于评估一个运动员的心理问题表现良好的运动。运动员应该是强大但也快速的学习和表现。
表1代表的替代品对左边的衍生品之间的线性指标背离的镜头角度x以及y。表中的值被认为是星期1和星期8作为测试和控制数据库中的组。考虑评价的属性列表。一个人的或运动的目的是提高运动员的发展。在今天的体育文化,我们着迷于团队和个人统计受害古老的测量在所有运动。个人成就的个人运动迅速增加了胜利的可能性。团队运动有一个增值的复杂性,允许多个人赢得团队互动。了解播放器进程数据协助指导,鼓励和组织活动,将最有效地开发运动员作为个人和作为一个团队成员。这种主观知识的融合与客观事实关于运动员的大脑功能和测量与心理能力是迷人的。
更深的理解两个人的认知能力提高性能同时最小化球员风险至关重要。每个球员的分析运动员的自我挑战组交互影响认知决定了他们的天赋和能力,以及它们的条件;尽管如此,它在体育产业大多是未知的。人工智能(AI)提供了一个新颖的方法来理解人类的思想,但它仍然是一个宽泛的术语被广泛误解,充满希望和炒作,事实和想象力。人工智能的唯一描述是不同的软件系统可以执行有效,尽管没有被模式识别。在图3,调查可能的社会人口统计学以及体育改变在多元分析的三组不同但也广场测试使用。评价男人和女人之间的关系,运动员在当时的预测变量,多使用描述性统计和多元分析进行了整个预测变量。
表2代表自我暗示的结果具有挑战性的运动表现在运动员分组分成六组。
运动员训练师意识到的需求,主管在实施期间与运动员心理战术康复。当被要求选择合适的心理战术,教师助理停顿了一下,这可能是由于大多数的理论性质运动心理学讲座。结果,包括实践经验应该鼓励体育锻炼培训确保教练与运动员准备管理应用场景。有经验的球员更善于自律比没有经验的球员。这些能力往往与preperformance和性能相关的情况。依照最近的一篇文章中对恢复和性能在体育运动中,我们建议自律能力也同样post-performance的关键问题,而应该培养这些技能促进愈合。在图4的教练都不知道组的任务,但他们意识到运动员的存在。不可能说这些信息是否会影响教练与运动员个人的关系由于其表示评级。我提到的运动员由第三方评估,我们还建议深度学习和激素指标用于评估一个组织的整体性能。
分析结果数据表中表示3。
更深入地理解个体的心智能力提高性能同时最小化球员风险至关重要。尽管情报影响每个球员的天赋和能力,以及他们的健康,它在体育部门主要是未知的。人工智能(AI)提供了一个新颖的方法来理解人类的思想,但它仍然是一个宽泛的术语被广泛误解,充满潜力和炒作,事实和想象力。唯一的人工智能的定义是软件包的系统执行智能尽管没有被显式地编程。这些系统学会识别和分类的输入模式,开发和概率预测法,在缺乏明确的规则或监督。在图5的教练都不知道,我们可以观察组的任务,但他们意识到运动员的存在。不可能说这些信息是否部分与个别运动员和教练的关系及其表示评级结果。在提到运动员被第三人进行评估。我们也建议深度学习,激素指标用于评估一个组织的整体性能。
表4代表结果影响的战略和执行基于知识框架,策略和最终的结果。对于每一个内容类别,积极和消极的值列表的意见。
在图6,我们可以看到,个人的干预和对照组干预后的测试和分析完成项目完成(时间2)。1周后,对照组测试的一部分,以及另一半是检查后8周。最后,取决于运动员的时间表,我们提供的数据评估5到6周前疗法是否有任何长期影响(时间3)。对照组的参与者同时测试实验和对照组。团队运动的附加复杂性允许一个成功的团队许多人相互作用。了解播放器进程数据有助于教学,鼓励,规划活动将最好地发展运动员作为个人和作为一个团队成员。这种主观信息和客观数据的交集关于运动员的大脑功能和指标相关的精神才能引人入胜。
所有变量的描述性统计分析表5(a)和(b)。有时实验组和对照组之间的差异进行了使用多变量以及多元方差分析以同样的方式在性别差异研究。但有一个例外,没有明显的差异之间的回归模型对照组以及临床实验的短期和长期对照组和实验组(自言自语)。结果,前提正确,参与者被随机分为三组,组也没有变化的回归模型在毕业典礼之前调查似乎是合理的。
5。结论
运动员的心理和情感行为必须稳定之前和之后参加任何运动或体育赛事。然而,维护稳定是一个挑战对于所有运动员,严格的训练和鼓励能使收支平衡在职业生涯和个人都渴望成功。本研究部署一个行为识别算法深度学习技术评估运动员的post-psychological特点。它还评估运动员的心理和情绪上的平衡。研究结果证明,该模型提供了一个89%的准确性。为未来的研究,强烈建议来确定深度学习的影响对pre - post-psychological运动员的情况下。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。