文摘

5 g技术的出现给很多行业带来了轻松的社会和生活方式。5 g技术也为教育做出了重要的贡献,对体育有显著正影响,尤其是对在线学习。这项研究调查了在线篮球学习系统基于5 g移动通信技术以及传统的面对面教学和在线学习和分析学生的性能使用不同的评估技术。最小化网络延迟的检测和校正的主要高耗能经济活动5 g网络提供有效的在线培训学生利用5 g篮球教学(5 g_bbt)。5 g的特点网络节点和信道特征是用来构建一个综合模型的篮球训练。的信息可以被发送到用户协议是获得教学数据库,并使用交叉处理集群形成群优化基于被动集群。最大似然朴素贝叶斯函数是用来计算的传播篮球数据传输和边界网关算法用来计算集群最优路径传输的培训材料,基于距离和残余能量约束。评估模型的延迟能源效率和速度来证明的有效性提出了5 g网络计划。该算法实现了98%的高速网络,数据传输效率为90%,和32%的时间复杂度。5 g-driven篮球训练方法将为学生提供客观、公平、和多样化的学习和自适应的学习服务,促进学生的全面发展。

1。介绍

篮球是一种体育课程的基本元素和许多年轻人喜欢的一项运动。教师解释和展示他们的理解体育和法院在典型的篮球教学过程,这样学生可以集成运动组件进行训练。这个教学方法,另一方面,茕茕孑立,刚性的问题,这是无法充分调动所有学生获得篮球信息,导致学生喜欢篮球但鄙视篮球类的兴奋1]。传统的篮球教学方法对学生的学习产生巨大的影响和个人能力。篮球知识和学习是穷学生,导致教学效率和质量下降。整个世界的发展一直处于锁定模式自21世纪初。教育模式的发展也得益于互联网的发展。网络教学技术越来越受欢迎的高效课堂。在线教育是一种新型的教育,利用现代信息技术提供培训内容,提高学生的学习,提高他们的知识和专业人才。这是一个重要的技术,是基于现代教育理念和原则(2]。另一方面,一些学校继续采用传统的在线课堂教学结构、教学模式,而信息是很少使用。结果,在未来几年,教育的核心内容将如何改变传统的在线课堂教学框架,开发超快和改进教学模式,鼓励深入同化5 g技术和教学,和提高网络教育质量3]。

在这个COVID时代,当代教学的5 g贡献了新的特性,传统的基础教育的发展,作为一个安全的,它能有效地分配和交换教育材料。由于5 g网络通信的快速发展,现在广泛应用于各种领域。因此,教师必须使用5 g加强和改进当前的教学模式,完全激活学生的兴趣,提高他们的教学能力通过自主学习能力的发展4]。信息化教学方法在大学目前以多媒体为主,这是在大学很受欢迎。一些老师,另一方面,简单地用多媒体代替黑板板书和项目。它仍然是用于传统类和多媒体信息的方法没有被充分的利用。因此,学生的学习水平恶化,即使应用复杂的5 g的教学方法,和信息交换过程变得更加有效。在目前的互联网时代,没有有效的资源整合,交换教学资源在大学和机构。学生只需要听老师讲课在课堂上理解学习系统;然而,由于课后学习过程是如此简单,缺乏资源共享的信息影响学生的整体性能(5]。

这项研究调查了在线篮球学习系统基于5 g移动通信技术和传统的面对面教学和分析学生的性能使用不同的评估技术。一个低延迟通信算法利用5 g移动网络更高的传输速度,减少延迟,远程执行,并创建一个虚拟网络连接和在线培训。

手稿的其余部分组织如下:部分1介绍篮球训练通过5 g通信。部分2提供了一个综合分析相关的工作。部分3说明了该方法和部分4描述了该方法的可行性。最后,结论部分给出了5。

2。相关的工作

5克的出现带来了缓解社会和生活的各个方面。5 g技术也做出了大贡献教育和体育锻炼,有相当大的帮助作用,特别是对于在线学习。许多学者研究5 g在线篮球学习的影响。帕蒂尔et al。6]描述了5 g技术,这将满足所有用户的需求,需要复杂的功能手机。可视化数据通信协议开发的无人机视频的实时广播(7]。这个协议可以减少时间记录视频并将其发送给客户端显示。使用这个系统,各种无线传输技术在视频传输的影响进行了评估和分析。李等人。8)解决的关键技术,智能校园网络教学平台的背景下,5 g网络和分析互联网的传输层的关键技术(物联网)的东西。Xei和毛9)描述了从传统过渡到智能教学,以及在线教育的缺点。在此基础上,与5 g的时代背景下,未来的教学设想从人工智能教学、全息互动课堂,教学和虚拟技术。作者在9)集中在物联网模式在教学过程中。物联网在教育帮助学生获得先进的技术知识,使他们想出新的概念和结果的社会问题。情报系统、安全、综合校园门户服务和维护系统都是由IoT-based提供云计算技术。学生学习和环境可持续性都增强了数字连接校园(10]。学生可以通过互联网门户网站访问他们的作业和考试成绩使用手机和pda。在线视频上传到云端。演讲可以让学生参与课堂讲座从远处。物联网设备用于追踪学生错过类,提供警告经常鼓励学生专注于学术研究,和定位错误的个人物品。支付可能在食堂做容易,办公室,和其他使用数码设备管理操作。提高教学视频传输的质量,作者在11)提出了一种自适应资源分配方法和通信网络安全。此外,他们还专注于互联网和媒体的整合。德克et al。12]表明,受过教育的消费者将受益于5 g技术。5 g服务的引入现代教育机构教育部门可以受益。此外,他们提出了框架发展的工具,将推动智能教育系统的概念通过连接5 g和它的颠覆性技术。Halvorsen et al。13)描述了一个集成的系统由传感器、注释系统,摄像机图像捕捉系统,可以处理大量的运动数据记录在图片文件格式。只要et al。(14]提出的策略自动分类球员在篮球比赛视频和监控球运动在不利的情况下,例如当相机的位置变化和动态变化。

甚至在COVID-19大流行之前,数据的使用在许多设备在历史高位持续上升。与父母在家工作和孩子参加在线课程,人们不得不依靠他们的宽带连接比以前更14]。过载的风险网络和可怜的连接增加使用互联网的人数的增长。缓慢或限制网络连接有显著影响学生在学术上获得成功的能力在一个在线学习环境。远程学生经历一系列的连接问题在学习(15]。学生必须上课在预定的时间,坚持严格的最后期限。他们会处于劣势,如果他们唯一可靠的互联网连接在非高峰期是可用的。所有这些问题结合起来提供一个贫穷的在线学习体验。连接困难可能是一个重大障碍学生的学业成绩和成长,特别是在远程学习变得更受欢迎。在这项研究中,最小化网络延迟的检测和校正的主要高耗能经济活动5 g网络提供有效的在线培训学生利用5 g篮球教学(5 g_bbt)。

3所示。提出工作

3.1。数据集

本研究获得的数据集使用https://basketballhq.com/。超过850培训视频覆盖各种不同的篮球技能让玩家可以找到所有级别的数据集。篮球培训计划和训练数据集提供了专家为个人和团队,以及数据库的培训视频。

我们检查了5 g无线网络体系结构中,所有的传感器节点和网关随机分布并保持静态,一旦他们被使用。每个网关与传感器节点将分配如果传感器节点接触范围内的传感器节点接触范围。因此,传感器节点可能会分配到一组特定的大门。因此,每个传感器节点包括一组网关,且只有一个门户可以转让。数据采集分为轮类似安全域(10]。每轮,两个传感器节点收集本地数据并将其传输到适当的CH(即。网关)。盖茨的数据聚合的数据并将其传输到基站通过另一个CH作为下一跳中继节点,删除过时的和不相关的数据。两个节点关闭节能收音机在连续两个周期。每个人都是通过5 g无线连接连接到互联网。即使两个节点相互接触的范围内,他们之间有无线连接。图1描述了技术序列。稍微处理的基本渠道信息必须提供一个基本输入任何学习算法在许多节点使用一个基站在单个细胞。我们假设H(c,t)代表了复杂的方向指示自发的上行用户设备和分销渠道N基站在副载波年代在期t,我们假设H(c,t)N代表了复杂的方向指示自发N上行分销渠道用户设备和基站在副载波周期t,兼容正交频分复用的方法。

尽管在水平面用户设备的位置是固定的,计算的自发信道基带处理器通常显示了一些改变由于有限的衰落和剩余载波共振中和造成的困难绝对发射机和接收机集成振荡器。我们计算基础station-side信道协方差,以减少输入数据中的噪声,同时消除由于时钟中和一般阶段元素。

几副载波静态引用 , 代表了埃尔米特变换。衰落的方法被认为是静态自预测计算周期t在最小的时间范围T,而用户设备仍然是静态的在一个给定的位置x。

我们假设一个矢量和标准化协方差的变体 ,作为一个学习算法的输入,由 ,取得了如下: 在哪里(.)表示操作员堆积在一个方向上三角项目 矩阵因为它们是零,因此,基本消除了重复中可用 。输入选择来自洞察力,二阶通道数据获得多数position-associated特性的信道状态信息,因此,比例与用户设备的位置吗x。

3.2。交叉群优化(方案)的被动的集群

初始阶段包括建立群人口(16)和其他变量,如迭代计数器。整个群人口和计算如下: 在哪里表示u^th群。

这部分有一个水槽,从几个5 g无线传感器节点收集数据(网络)段。因此,集群和CSOPC技术(17)是用来增加能源的整体性能,网络生活和其他方面的网络5克。对于一个典型的N传感器网络,网络分为米集群。扩大集群中的节点的总数(N / M)。然后计算网络区分离线使用CSO-based被动聚类方法将网络划分为两个部分。 在哪里α和β显示的水平和垂直直线部门分罗依和Rn线/轴角。然后,r和k健身值计算使用的以下方程: 在哪里F(r,年代)代表健身价值函数,f(r)l(r/年代)=年代(r)是功能和可能性 是归一化常数。

每一个网络传感器节点向基站发送状态信息,包括它的位置、力量,和其他数据。车站得到通知后,进行方案和K粒子检测。设置随机分布。建立了区域分界线。因此,整个传感器网络分为两个亚区。相应的F值可以计算由于节点的位置信息是可用的。接下来,我们比较了最小健身得分。最后,找到最小值。对于相关的粒子,它可能被视为一个极端的全球价值。一个分子,另一方面,需要最小可行的价值。然后调整健康因素的变量F这是必需的。区域分割后,两个亚区仍然是分裂的,直到最后米创建集群。接下来,选择集群的端点。

计算节点之间的距离作为整个笔节点和簇头之间的距离(CH),以及节点之间的距离和下一个节点。通过比较CH和附近的节点之间的距离,相邻节点的位置可以确定。附近的节点更接近CH和”向“CH,而邻近节点远离CH和“下”CH。变化的节点区域的失败将辅助节点和连接。毕竟,在一个稳定状态的过程完成,第二轮重复保证没有节点/链路故障。当节点的死亡风险高,集群定期改善,经常和社区的观察。任何节点用一块改变区域的信息已经从一个邻居发现。我们能轻松找到最接近的节点。每个成分介绍,按照在何种情况下可以使用它。研究将定期进行,搜索代理的位置更新。 在哪里 和节点的相关特性和吗是空间方差。因此,相关组织形成。

然后计算连接的效率。连接的稳定性是一个关键因素,影响传感器节点的传输速率和质量的措施被用来评估链接的质量。

就能够确定集群的最佳路线交叉后群优化时间分配。流程如图2。

3.3。传输概率估计

数据发送概率可以通过使用最大似然朴素贝叶斯估计函数。在这里,j= 0,1,……、t和代表的像素总数H₀来H_年代强度度。

在这里,j= (t+ 1),(t+ 2)…。(J−1)和表示像素的总数H_{t+ 1}来H_J−1强度度。累计密度函数(CDF)为代表

转换函数关于累积密度函数如下:

部分时间槽变换函数的数据集是由变换函数(TF)

最后的概率预测通常是由简单的平均节点可以定义各自的概率 在哪里P被称为朴素贝叶斯的性能,F描述数据密度,和Y描述标签集。

3.4。集群最优路径计算

集群的最优路径发送数据可以计算通过使用边界网关算法(18]。随机路径应当采用的模式 在哪里表示错误,这是依赖于

后,错误不能依赖彼此,如下面所示: 在哪里y代表一个随机边界。

接下来,使用标准偏差规范节点的运动。以下表达式是用来计算网关偏差: 在哪里表示目前的规模。 在哪里代表一个随机路径和表示预期的路径。 在哪里表示方差系数或异常的链接。整个过程如算法1所示。

确定最优路径后,数据将被转移。发送数据中获得CH通过集群路由优化的水槽节点。数据恢复从水槽节点使用矩阵填充方法(19,20.]。矩阵实质是一个热门话题在压缩传感和数据恢复。矩阵实质性技术的目标是让所有的数据使用少量的包处理短延迟那样节能的可行性。在弱矩阵值,矩阵的原理实质性的应用。 在哪里W是矩阵X的排名,是一组已知的元素,然后呢米_ij是一个已知元素的总和。

4所示。结果

4.1。性能分析

在本节中,提出技术的效率。许多网络教育应用程序可以提供高容量,但他们可以适应隐藏,抗干扰无线网络,和未来的订单预计不会要求相同的高数据率通信。与其他现有技术相比,该算法提供了低延迟通信和更加可靠。5 g的峰值数据速率为100 Mbps (Mbps)和可以提供20 gb每秒(Gbps)。这是比4 g快得多,平均和峰值数据速率为100 Mbps。在这种情况下,分析是在两个层面上进行:问卷分析和仿真分析。表中给出了仿真分析1。

来验证提出方法的效率,它可以与现有的方法相比17,18]。

传输speed-level 5 g网络延迟因素是描绘在图3。现有的数据命名的结果设计(DND)和LLCUR系统分别是70%和95%,分别而提出的高性能和98%低延迟通信水平,它优于其他标准的方法。然而,许多有关设备和网络虚拟化技术的核心基础设施将会扩大攻击范围。它取得了重要基础设施更依赖于这些网络,和任何操作失败(由于错误或恶意软件)会对社会产生重大影响。图4描述了5 g的数据传输效率。总之,示范重点描述5 g调度网络的适应性和基础设施。该方法有90%的成功率。

图6描绘了一个时间复杂性分析。提出技术要求32毫秒的时间。而数据命名设计技术(DND) LLCUR需要42女士,女士44计算时间,分别。与其他系统相比,该方法具有最小时间复杂度。

4.2。离线评价方法

这种在线和离线评估技术可以提高学生的反馈教授的功效。同时,信息评估有可能节省时间对于教师和学生,激励教师与学生更关注当下整个教学过程,提高学生参与,并确保完成评估。同时,信息评估可能大大减少教师和学生,激励教师要接近学生的教学,并显著改善与学生接触,保证评价的全面性。教学效果的评价是一个重要的指标来评估5 g网络教学的质量。教学效果评估的使用可以帮助教师理解学生的信息化教学后对课程的理解。与此同时,它可以帮助教师提高他们的教学方法和质量。评估的目的是评估教学影响学习效果,学习态度和学习能力的学生在篮球教师运用教学5克。

图7显示,16.3%的篮球教师认为,学生的学习效果研究篮球是非常明显和46.7%的篮球教师说,学生的学习效果是可见的。同样,50.3%的篮球教师认为,学生的学习态度是可见的和11.4%t篮球教师认为学生的篮球技能非常明显,而49.3%的人认为学生的篮球能力是显而易见的。数据显示,学习态度和学习能力具有可比性之后的使用信息技术教育、学习能力和学习效果大大增强了。因此,5 g信息建设教学必须使用篮球教学。

5。结论

5 g时代的到来,大量的公共福利的情况下成功的组合运动和5克出现,和5 g技术的集成应用和体育部门已经成为一个普遍的趋势。出现了新的智能运动模型的5 g的引入,包括体育内容技术,5 g-covered场地特征,5克高清节目的现场直播。在这项研究中,一个综合模型的篮球训练开发使用的特点5 g网络和渠道特点。教学数据库被用来获取信息,并使用交叉处理集群形成群优化基于被动集群。基于距离和残余能量限制,最大似然朴素贝叶斯函数被用来计算篮球的传输数据,和边界网关集群技术来构造最优路径发送培训材料。证明有用的建议5 g网络架构、模型测试延迟而言,能源经济,和速度。该模型显示98%的高速网络,数据传输效率为90%,和32%的时间复杂度。5 g-driven篮球训练方法将为学生提供客观、公平、和多样化的学习和自适应学习服务,促进学生的全面发展。未来的工作将探索5 g的应用在篮球训练使用其他丰富的训练数据库。

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

作者宣称没有利益冲突。