文摘
翻转课堂教学的武术“太极拳”是一种现代教学方法,主要使用信息技术工具来完成信息技术和教育教学的自然融合。数字教材影响传统的教室。教师教学和学生学习的传统教学方法不再是令人满意的学生。虚拟现实(VR)技术和物理教育一体化和发展目前已经成为一种新趋势,但其应用研究武术仍然处于理论阶段,缺乏具体应用对策和方案,需要进一步的调查和研究。本文打算研究的使用虚拟现实技术在武术教育。虚拟现实的体系结构的基础上,深入学习算法。学生收集数据集,他们分成两组:控制和学习小组。传统教学对照组,提供和深度上优于VR-assisted教学提供给研究小组使用深二进制散列卷积神经网络(DBH-CNN)。使用学生的统计分析完成 - - - - - -测试、逻辑回归分析和方差分析(方差分析)。根据研究发现,大部分学生认为虚拟现实技术辅助武术教育良好,和他们对学习武术的热情大大增加。
1。介绍
信息技术提供的便利和影响共存的迅速发展,21世纪不断变化的。翻转课堂模式吸引了研究人员的关注领域的教育近年来国内外。因为翻转课堂的出现,传统的教学方法已经打开。相对于其他的研究领域、体育是一个非常实用的话题。翻转教室是一种新型的课堂,已成为信息社会的结果,并提供有前景的新方法来推进教育改革在美国。在各领域的研究表明翻转教室模型比标准的教学方式更有效指令(1]。太极拳是中国武术的一种,强调健康、自卫,和避免疾病通过体能训练和心理相结合的浓度,利用中国悠久的历史的知识和精神的社会生产。太极拳教学发展多年来,但遇到挑战。这些挑战包括单调的一个教学主题,一个单一的教学方法的不灵活性,技术缺乏一致性行动说话。掌握太极拳,一个人必须有一个扎实的技术规则。这允许一个更深的理解它的意义,进而对一个人的身体健康有益的影响,文化成就和自我意识。通过开发学生的个性化学习,翻转课堂的教学实践考虑学生的身心特点、个性爱好、和其他因素,允许更多的时间为老师和学生互动,从而提高学生在课堂上接触。翻转课堂模式是基于认为教师应该是学生。这种方法教育强调学生自主、合作和定制。支持更好的教育可以帮助学生发展他们的创新能力。 The drab and boring techniques often used to teach physical education are ineffective in getting pupils excited about learning. This is why it is crucial to revamp the way that universities and colleges teach physical education. Taijiquan carries with it a wealth of historical and cultural significance. Through the use of media technologies, students are more likely to engage in the teaching methods of interaction, sharing, and group discussion to build the learning theme of body sensation from boxing theory [2]。湾(3)指出,在自学,学生分享他们的目标类和与教授讨论挑战他们来说更好地准备上课和得到更多的实践与课堂教学的能力。成功地解决学生的担忧未能跟上类材料,翻转课堂模式了。课堂效率最大化,教师经常使用特定的策略来让学生参与。停止困扰课堂教学的被动学习了这么长时间。协调preclass活动基于他们的独立研究中,学生们更好地准备充分利用课堂时间,和老师也不容易感到被学生要求个人在上课时注意力。技术规范的相对或模棱两可的性质是,当然,也是中国传统文化的一个特点。实现的规范掌握太极拳的技术动作,必须有一个公司控制的“学位”的标准是(4]。颠倒传统的课堂结构和融合的武术教育模式也提出了。大学武术项目用一个等级系统去帮助学生建立自尊,学会把自己的健康和武术第一,变得更精通这些领域,更深入地在课堂上,和学习训练自己。以其独特的文化内涵和吸引力,以及它的活泼,武术成绩系统是喜欢学生,为他们提供了一个优秀的一生的身体活动的基础。在某种程度上,“翻转课堂”的教学策略5),旨在提高学生的积极性和参与一个类通过引入新的想法和概念,与高校武术教师的总体目标。通过注入一个武术课程和反相传统课堂结构,我们可以更好地为我们的学生。三个关键方面说明翻转课堂教学方法和武术环节教学活动集成:preclass,课堂和课外模块,他们都是相互关联的。因为武术是经常在课堂环境中教授,教师必须为每一堂课做好准备。促进武术课程在大学很轻。许多人在武术训练还没有完全了解对他们的期望是什么。许多大学生,像许多成年人,没有训练的持续或进行标准化的运动训练。他们的武术技巧,然而,不是常规的。标准化的行为,武术专业知识,和功率控制都强调军事教育的各种腰带。这意味着教师必须提供全面的解释和演示的武术技术教。 Enhance not just pupils’ technical martial arts skills but also their mental and spiritual flexibility. According to Zhang [6),从传统的教师评价的关注结果的过程将帮助中国的体育系统以一种更积极的方向发展,尤其是对学生的背景运动。参与体育运动的爱可以促进学生的身体健康和促进他们的智力发展。“翻转课堂”教学策略如图1。
结果,以下学习目标建立了武术部分:首先,武术的精神,给学生作业,这样他们可以学习武术的历史和文化;第二,行动的基础武术向学生展示如何执行基本的技术和训练;第三,让学生参加比赛。播放教学视频,慢动作分解运动并解释武术分级系统的评估标准,然后通过前面的动作类的基础知识,和有一个谈话。通过这样做,学员可以学习武术的基本技术更彻底地(7]。教育者的优先级课程的上课时间规划、创建有用的教学电影,指导学生通过他们享受视频,分析它,分析它的基本要素,然后复制它的表达自己。让一幅计划并分解计划的三个观点(前(左)和顶部),看看他们打破。preclass工作,学生应该做的,让学生看到李小龙的武术电影,“Jingwumen”,以及武术组成部分考试,“2016年太极拳大赛”,在翻转教学课程,帮助他们掌握武术精神。让学生看电影更好地理解武术的本质,武术的意义,和武术的标准系统。教育家安排小和大群学生说话的机会,,得到反馈。使用翻转课堂模式,学生第一个观点所需的视频武术考试部分掌握的运动仿真的概念。classroom-flipping系统检查,使用武术成绩。教师评价、学生自我评价、同伴和社会评价的常见成分(8]。学生不满意教师教学和学生学习的传统教学模式。虚拟现实(VR)技术和物理教育一体化和发展新趋势,但其应用研究武术还在理论阶段,缺乏实际应用对策和计划,需要一个额外的研究。本文的目的是看使用虚拟现实教学武术的可能性。提出了深入学习算法形式VR的底层架构的基础。DBH-CNN方法有效的图像检索的目的是训练哈希函数map-related图像在语义上相关的汉明空间二进制编码,同时保持相似。深CNN可以自动学习基本过滤器和层级结构结合起来,让潜在的描述模式识别的思想。
1.1。研究的贡献
以下是这项研究的贡献:(我)收集学生数据集后,我们下一个随机对照组和一半的研究小组(2)比较,对照组接受传统教学,实验组给出虚拟现实(VR)教学基于深度学习和使用的二进制散列卷积神经网络(DBH-CNN)(3)学生的 - - - - - -测试、回归分析和方差分析(方差分析)是用于统计分析
剩下的工作分为以下部分:部分2,包括文献综述和问题陈述;部分3提出的方法论,包括;部分4,其中包括结果和讨论;和部分5,包括结论。
2。文献综述
虚拟现实(VR)一直是许多研究的主题,其潜在感兴趣的学者们在教室里桌子1。武术不可或缺的功能在教室里,因为他们的立场作为民族文化遗产的发射机通过运动。他们讨论的挑战和创新的方法成功的武术教育在高等教育从许多角度。第一次,有理论基础如何教武术在学术环境中(9]。为了更好地教育,Zhang et al。10]介绍了他们系统的架构和执行。这个句子被改变为“虚拟现实技术被纳入系统,提高学生参与和课堂效率。研究结果表明,虚拟现实技术有潜力改变标准的教学方法,激发学生的好奇心在作业,提高教育标准在韩国(11]。这项研究的发现铺平了道路更多的虚拟现实技术在教室里使用。在他们提交的论文中微积分课程的“虚拟现实”,Bos et al。12]详细课程如何适应用于虚拟现实和基于“增大化现实”技术的硬件系统。聚氨酯的主要目标和杨13)是将虚拟现实技术整合到课程在高等教育政治和意识形态理论。在这项研究中,学生作为参与者和被分为两组:实验和控制。组A1和B2从事虚拟现实课堂学习提高政治理论课利益报道8.2%和8.1%,相应的(14]。这一尖端技术的影响没有得到足够的探索或解释15]。学习心理和社会方面的工作在一个虚拟环境实证研究的主题。我们驾驶使用协作沉浸式虚拟环境(书)指令在两个hypsography-related情况下,创建的是一个多学科小组的产物。利用卷积神经网络(cnn),卡迈勒et al。16)提供一个系统被称为太极教学基于位置估计的太极。因为传统教学技术的局限性像一对多教程和视频观看,我们设计了我们的解决方案来解决这个问题。VR-supported混合翻转课堂范式引入和研究了肖和香港17)可以提供一个三维虚拟学习情境,模拟用户的身体在一个虚拟的或虚构的设置,提供一种新颖的认知经验。大学教授和学生观点的概念通过翻转了学习和自主学习的实现提出了学习Antonova和Mernkov [18]。调查结果表明,学生适应了学习是具有挑战性的。孩子们不能自己学习。量化翻转类高等教育的好处,Salihu和Zayyanu1943)系统地回顾了实证研究学生的认知、情感和人际关系的结果。在高等教育中,翻转课堂模式促进长期合作,建立[20.]。在尽早的实现了学习本科生物学课程使用虚拟世界作为自学中,然后探讨了学生如何回应这个方法(21]。在文章中,翻转学习职前教师准备实验使用远程学习是描述(22]。统计检查20国内外实验调查了教室,使用的分析方法(23]。学生学业成绩的查看结果和反应了类,Pardimin et al。24开发一个系统,可以发表英语试卷,生成和管理个人的试卷库,跟踪学生的实践进展,并评估学生的表现。该系统由一个老师,一个学生,和管理员25]。
主题的研究表明,虽然许多学者研究教育对学生的影响,很少调查翻转课堂的影响,武术教学。机器学习的一些数据预处理一般包括消除。这些算法能够处理文本和视觉非结构化的数据。相比以前的技术,DBH-CNN的主要好处是自动和无助的识别关键特性的能力。
2.1。问题陈述
现在有几个问题真正的课堂教学。因此,它仍然是重要的维持一个致力于教学创新和调整,积极采取各种方法,保证教学过程的稳定发展。一种更有效的教育比标准的格式是一个讲座,强调发展学生的身体和利益。应用翻转课堂的方法,建议大学太极拳老师使用互联网和其他多媒体运营商。能力建设应注重帮助学生提高他们的学习,思考,做技能。翻转课堂,教师可以更好的掌握学生的情况。
3所示。提出的方法
深入学习算法用于建议应该如何构建虚拟现实。学生们分为两组:对照组和学习小组。传统教学对照组,而深二进制散列卷积神经网络VR-assisted深度学习教学的研究小组(DBH-CNN)。统计分析是使用学生的表现 - - - - - -测试、回归分析和方差分析。图2显示了提出方法。
3.1。学生数据集
“学生收集数据集从南开大学、天津,中国。为基础的大学这个间隙的研究,学生在一年级四个通过在线学习平台和注册组最近成立的新学期的远程学习参与这项研究从2月15日上午10到10点2月17日,2020年。表2描述了数据描述。”
3.2。分裂组织
这里,聚集数据被分成2队,即对照组和研究组。传统教育提供给学生在对照组,其中包括3522名参与者,而深的研究小组利用二进制散列卷积神经网络(DBH-CNN)深上优于虚拟教学包括3700名参与者。
3.2.1之上。传统教学
通常情况下,在传统的课堂环境,学生尽快努力记笔记老师说话。他们太忙试图记下老师的词汇停下来考虑的教训,这意味着他们可能会错过一些关键方面。相比之下,当学生使用视频和其他准备材料,他们负责他们的学习;他们可能会暂停,回放,跳过内容在他们方便的时候。人学习英语作为第二语言可能受益于多次的课程。协作学习项目也可以促进学生的社会化、协作和文化多样性,进而促进学生的能力帮助彼此学习和共同努力不管他们的程度的专业知识。课堂活动包括经验锻炼,团队项目,习题和作业,以前作为个人作业让老师有更多的时间专注于促进合成和应用探索。
3.2.2。虚拟现实技术的应用
虚拟现实(VR)是一种相对较新的技术,合并许多老牌的,包括计算机图形学、传感器技术、人工智能技术。计算机仿真系统为用户创建一个动态三维场景交互,这一幕也天生的互动,互动,由于用户的依赖和理论品质。可以得到多通道的输入形式的视觉,声音,和触摸。由于深学习算法被用于创建交互式教学活动,不仅能区分指令的要求,也是教师开展工作的能力有效地增强。学习活动在虚拟教室以现实为基础的互动可以分为两类:那些发生在上课时间和上课时间之外,根据课堂的具体特性。通过虚拟现实技术的应用,我们的真实生活环境可能会被转换为3 d身临其境的学习空间,无缝地合并物理和数字领域。翻转课堂提供讲师的自由包括内外互动学习活动的传统课堂,同时仍然提供课程材料。通过分析不同学习者的数据收集,并进一步提取有价值的学习模式,智能学习环境可以创造新的和更有效的学习模式,他们可以使用建议和建议学习者随着时间的推移,甚至在他们的未来职业生涯。
3.3。深二进制散列卷积神经网络(DBH-CNN)
在本部分中,我们提供二进制哈希的总体架构,然后,我们将讨论DBH-CNN方法我们建议为二进制哈希。摆出一个与严格的二元分类问题限制。最后,我们展示如何利用bp方法可用于训练网络损失函数最小化。
3.3.1。二进制哈希
散列方法的目标是找到足够小的二进制代码的数据是不同的从对方能够告诉他们分开。有不同的想法如何使用哈希计算出投影矩阵。大部分的旧方法被类似的工具有限,无法扩展非线性描述,或者手工功能不是很好。它最近建议学习图片和基本的非线性表示二进制代码同时使用哈希算法基于深度学习。具体来说,我们提出一个CNN-based哈希技术,集成了一个完全连接之间的二进制表示层和分类层次。确保了二进制表示的数据保持语义相似度,我们“逐点详述的”列车网络使用的一组图片和相对应的标签。离散值对分类有用的系统已经包含在损失函数将二进制层接近他们。这是因为网络将被训练为相同标记提供一致的二进制表示形式输入。
3.3.2。DBH-CNN
拟议中的DBH-CNN由以下层:卷积,max-pooling,非线性变换,完全连接层,LBE和分类层。然后我们通过网络传播和数字转换的输出LBE层得到的二进制表示在RGB空间。与常规层,一个隐层的输出发送到下一个。出于这个原因,我们推导出 - - - - - -th层的输出:
的 - - - - - -层是学会了投影矩阵和偏见。提出网络的LBE层也会产生以下结果:
3.3.3。放松
由于CNN是训练在相当小的批次的数据,它是有争议的是否生成的二进制代码的最优CNN使用相同的方法是必要的,如果整个训练集用于直接优化的二进制代码。利用反向传播技术和随机梯度下降法(SGD),网络可以训练和改进。我们修改其损失函数和包括量化要求援助在学习更准确的二进制表示。与我们的方法,深CNN同时学习特征表示和二进制编码。一个完整的优化问题是解决使用反向传播技术。
3.3.4。反向传播
整个培训过程中,函数形式梯度有关系统的变量必须计算。有必要计算偏导数确定渐变 和 一个培训的例子然后恢复总体平均梯度的例子的所有训练。因此,计算损失函数的梯度相对于输出层的参数,我们做以下:
非线性函数 ,用衍生品 。使用的基本变量的函数,我们可以计算错误
表示为一个向量时,我们得到的
之后,我们确定目标函数的梯度相对于LBE层的设置如下: 在哪里是分类损失( )和量化损失(%)的错误LBE层的神经元。存储过程损失的向量表示元素的帮助下计算衍生品的基本功能。 在哪里表示阿达玛的产品。计算剩余的梯度层,我们可以像以前一样使用相同的方法: 在哪里是让th的一部分th层的误差向量;你会做些什么:
然后使用梯度下降法来更新每个训练样本的参数minibatches (Mb)如下: 算法1提出了一个完整的学习算法的提出DBH-CNN步知识获取。
3.4。统计分析
“学生的 - - - - - -测试、方差分析(方差分析)和逻辑回归分析用于统计分析的三种方法”。
3.4.1。学生的 - - - - - -测试
学生的 - - - - - -测试是用来证明假设3组之间没有差异。它用于一些情况,包括以下。
到一个结论是否测试表明(作为集团的意思)的估计,明显不同于某个组的意思。 在哪里是样本均值,是总体均值,的标准错误的意思吗 在表示的区别。
它决心预测数据显示两个变量样本差别很大。当变量测量在同一参与者在药物,配对 - - - - - -测试是常用的。
的配对 - - - - - -测试方程是 在哪里代表总体均值和代表的标准误差方差。变化,评估组件 - - - - - -测试可以使用。的 - - - - - -测试使用的比例偏差。
3.4.2。逻辑回归模型
比例的可能性(PO)框架,它是使用最广泛的物流设计、开发。
组可以排序自然而如果响应参数是顺序,就像“健身条件好/中等/坏。“假轮生的逻辑回归模型可以被使用,但它不使用排序的数据。使用累积的可能性,累积机率,累计分对数成为技术来弥补排序。这些数据中指定的( )- - -分类组。
对于顺序响应信息,被指定为累积逻辑表示
我们得到了多个模型方程( )和一个逻辑变量( )每组/协变量对。
因此,广义累积逻辑回归方法有很多变量。在其他情况下,一个简洁的方法变得可行。如果物流参数是独立的 ,协变量都只有一个共同的变量。因此,累积概率计算如下:
这样,为每个切断组完全不同的拦截,这意味着几率是成比例的。
当顺序的结果得到与基础有关潜在的连续变量,例如,无论何时的确是一个分类的连续变量如年龄范围或现金经济类,有些严格的比例优势假说可能尤其合适。序数变量已经被一名调查员评估,另一方面,是另一个重要的序数变量。关于生物医学分析,这些因素是常见的。
3.4.3。方差分析测试
方差分析(方差分析)是一种统计方法用于聚合的报道变化分解成更易于管理的子集用于后续分析。当有三个或三个以上的数据集,执行单向方差分析确定变量之间的相关性。传统的方差分析(方差分析) - - - - - -统计的比例是零模型与人择原理的平均金额广场整个模型。使用最小二乘方法的参数计算,所有方差是相同的。这可能是表示为 在哪里
Welch-test-statistic被定义为 在哪里 , ,和被定义为
Brown-Forsythe-test-statistic被定义为
当是事实,分配适当的中央吗分布与自由度和 ,在哪里被定义为
计算广义价值,广义现在价值计算 - - - - - -l,是样本容量。
预测计算关于单独的β的随机过程 - - - - - -分布在 。
的值是数值积分计算预期的价值值公式对β随机变量。
4所示。结果和讨论
做实验是为了进一步确认其有效性的实现。对于实验的有效性,使用属性信息收集的网络虚拟现实课堂帐户。在这项研究中,所使用的参数的准确性,学习效率,成就率,改善学生的身体素质、情感和态度指标,虚拟现实技术的认知和应用程序。获得的研究结果相比,利用现有的方法。现有的方法如“递归神经网络(RNN),神经网络图(GNN),回propagation-Neural网络(BP-NN),和多层神经网络(ML-NN)”与该方法在这项工作获得最大的性能。
“学习效率”这一术语指的是学习者的中外和结果之间的相关性度量的性能,如测试成绩或正常的时间完成一项任务。教学和学习策略,鼓励学生积极参与他们的教育和成长是我们的意思是当我们谈论“有效学习。“考虑这一步超出死记硬背和模仿课堂实践教育学生如何学习独立。的定量判断和统计分析在交互式课堂老师的表现通过镜头进行教学效益和一种新的评估方法。图3描述了现有的和拟议的学习效率的比较方法。
与现有的方法相比,该方法有更高的学习效率。GNN RNN有75%,65%,BP-NN有84%,ML-NN有58%,拟议中的DPH-CNN学习效率96%。
在分析阶段,正确的百分比乘以一个分类器精度预测一个标签的实际价值。也可能表示的数量的比例正确评估总体数量的测试。计算精度使用方程: 在哪里是真正的消极,是真正的积极,是假阳性,是假阴性。
图4显示精度的比较对现有和拟议的方法。与现有的方法相比,该方法有更大的准确性。RNN有55%,GNN有88%,BP-NN 66%, ML-NN有70%,该DPH-CNN具有98%的准确率。
一个设计方法作为教学平台调查基于深度学习的可行性,增强以现实为基础的,互动的课堂。使用此策略后,虚拟现实互动课堂更稳定。主要原因在于深入学习算法是用来检查VR-interactive课堂在这种方法的创建阶段。
图5显示了比较的成就为现有的和拟议的方法提高利率。与现有的方法相比,该方法有更大的成就提高利率。RNN有85%,GNN有66%,BP-NN 75%, ML-NN有55%,提出DPH-CNN成绩提高94%。
实验组和对照组的学生根据他们的外表比较和一般健康的研究。图6显示测试的结果。因此,本文表明,传统教学和教学辅助通过虚拟现实技术有助于增强学生的身体健康。学生可能会心理高使用虚拟现实技术研究类之前或之后,但这对他们的动机影响不大。它不保证学生能够推动他们的懒惰和保持训练。作者推测,实验组的略好测试值基本身体健康对照组相比是由于增加了兴奋的学生学习武术通过虚拟现实技术的使用。
与材料的互动和渴望学习的学生的学习兴趣和情感开放教学,只有通过存储知识和能力,除非他们足够动力去这样做。自信是指一个人的信仰在他或她的能力来完成一项任务而学习动机描述了内心的鼓励,激励,直接对学术成就的孩子。图7显示了初步的统计分析的结果的情感性格测试标记组学生在学习。
实验组的学生展示了更多的热情,欲望,和信心的能力学习武术比对照组。因为实验组的学生在上课前戴上虚拟现实的耳机,他们受益于一个新的身临其境的学习经验,和武术的物理运动更清楚地传达了他们的眼前由于情境替换教学方法。系统可以跟踪武术运动的发展从不同的视角。
见图8,可能有五度的协议(强烈同意,同意,同意,不确定,而不同意)所代表的字母A, B, C, D和E,分别。根据调查,使用虚拟现实教武术一直深受学生好评,和许多报告结果重新对话题的兴趣。主要原因在于小部件的立体旋转允许从任何角度看电影和在任何方向。除了给学生提供更有吸引力的学习环境,虚拟现实可以提高他们的观察能力和分析活动,帮助他们更彻底地纠正错误动作基于准确的理解和认可。它提高了标准,被认为是“正常”的武术。另一方面,它为学生的教育是一个有用的补充资源。它把孩子的学习策略,培养更多的独立和好奇心在教室里。然而,并不是所有的学生都适应这种方法。
4.1。讨论
使用RNNs学科包括模式识别、图像处理、智能控制、信号处理的优化计算,和其他人使他们大规模非线性动态系统与反馈回路。消失的梯度的问题,从而影响RNNs [27这些网络),使其难以从扩展数据序列。RNN变量的梯度是一个重要组成部分更新,当他们下降幅度,这些更新的学习效果降低为零。最基本的GNN限制(6)的作品GNN局限于一定数量的点。时间和空间复杂性都大。我们可以减少所花费的时间边缘处理图形的分类成更少的类别。基于大数据技术和GNN,它创建一个交互式教学系统是意识形态和政治的太极。每个专家只用于少量的输入实例BP-NN [28]。随着新情况的出现,专家无法迅速调整的混合解析。现有专家不能修改的混合物包括其他类型的技能如果突然需要这样的类型。BP-NN调整学习的速度。学习步长选择,定义权重的大小和方向,困难和难度控制学习速率都是改善传统BP神经网络方法。最值得注意的是,ML-NN [29日)已经失去了社区信息的缺点,有额外的参数优化,不是翻译不变。这意味着神经网络通常会尝试对未知形式的问题,即使其他类型的机器学习算法已经失败了;ML-NN灵活性是用于解决非线性几何图形问题。在这项工作中,我们提出一个架构的虚拟现实的基础上,深入学习算法的二进制散列卷积神经网络(DBH-CNN)。
5。结论
很明显,有问题我们一直在教室里做的事情,但这并不意味着传统的技术是没有价值的。科学和技术的进步产生微妙而明显的影响教育改革和教学实验。推进教学改革实践的关键是搞清楚如何更有效地在教室里使用尖端科技的工具。视频演示,活动中显示了一个更立体,直观、multiangle方式。这部电影是增强与行动的解释和音乐,和学生利用虚拟现实(VR)技术来模拟现实的训练场景,他们为了更好的把握和召回武术技术的能力。它执行多向观察和获得一个学习的机会,进而提高学生质量的武术运动的关注和高兴的是,随着时间的推移,逐步提高动作的质量。相比其他现有方法如RNN, GNN, BP-NN, ML-NN, DBH-CNN有98%的准确率。然而,研究领域的武术还在理论阶段,缺乏实际应用对策和计划,要求更多的调查和研究。虚拟现实技术作为一种新的发展趋势。这表明,在使用虚拟现实技术有优点和潜在的武术训练。 There are, of course, issues with using VR technology to teach martial arts, and we should do everything we can to address them. To gain the respect and appreciation of students, it must also do more research on the benefits of using virtual reality technology in its professional context. It seems clear that the use of VR technology to aid martial arts is practical. There is still little research on the use of VR and its real effects on instruction and student learning. Future research will involve detailed quantitative validation of the results, including comparisons of their efficacy to conventional methods like GIS.
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。