Your browser doesn't support javascript.
loading
Mostrar: 20 | 50 | 100
Resultados 1 - 1 de 1
Filtrar
Adicionar filtros








Intervalo de ano
1.
Rev. bras. med. esporte ; Rev. bras. med. esporte;29: e2022_0152, 2023. tab, graf
Artigo em Inglês | LILACS | ID: biblio-1394837

RESUMO

ABSTRACT Introduction: In today's rapid development of science and technology, digital network data mining technology is developing as fast as the expansion of the frontiers of science and technology allows, with a very broad application level, covering most of the civilized environment. However, there is still much to explore in the application of sports training. Objective: Analyze the feasibility of data mining based on the digital network of sports training, maximizing athletes' training. Methods: This paper uses the experimental analysis of human FFT, combined with BP artificial intelligence network and deep data mining technology, to design a new sports training environment. The controlled test of this model was designed to compare advanced athletic training modalities with traditional modalities, comparing the athletes' explosive power, endurance, and fitness. Results: After 30 days of physical training, the athletic strength of athletes with advanced fitness increased by 15.33%, endurance increased by 15.85%, and fitness increased by 14.23%. Conclusion: The algorithm designed in this paper positively impacts maximizing athletes' training. It may have a favorable impact on training outcomes, as well as increase the athlete's interest in the sport. Level of evidence II; Therapeutic studies - investigating treatment outcomes.


RESUMO Introdução: No rápido desenvolvimento atual de ciência e tecnologia, a tecnologia de mineração de dados de rede digital desenvolve-se tão rápido quanto a expansão das fronteiras da ciência e tecnologia permitem, com um nível de aplicação muito amplo, cobrindo a maior parte do ambiente civilizado. No entanto, ainda há muito para explorar da aplicação no treinamento esportivo. Objetivo: Análise de viabilidade da mineração de dados com base na rede digital da formação esportiva, maximizar o treinamento dos atletas. Métodos: Este trabalho utiliza a análise experimental da FFT humana, combinada com a rede de inteligência artificial da BP e tecnologia de mineração profunda de dados, para projetar um novo ambiente de treinamento esportivo. O teste controlado deste modelo foi projetado para comparar modalidades avançadas de treinamento atlético com as modalidades tradicionais, comparando o poder explosivo, resistência e condição física do atleta. Resultados: Após 30 dias de treinamento físico, a força atlética dos esportistas com aptidão física avançada aumentou 15,33%, a resistência aumentou 15,85%, e o condicionamento físico aumentou 14,23%. Conclusão: O algoritmo desenhado neste artigo tem um impacto positivo na maximização do treinamento dos atletas. Pode ter um impacto favorável nos resultados do treinamento, bem como aumentar o interesse do atleta pelo esporte. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.


RESUMEN Introducción: En el rápido desarrollo actual de la ciencia y la tecnología, la tecnología de extracción de datos de redes digitales se desarrolla tan rápido como lo permiten las fronteras en expansión de la ciencia y la tecnología, con un nivel de aplicación muy amplio que abarca la mayor parte del entorno civilizado. Sin embargo, aún queda mucho por explorar de la aplicación en el entrenamiento deportivo. Objetivo: Análisis de viabilidad de la minería de datos basada en la red digital de entrenamiento deportivo, maximizar la formación de los atletas. Métodos: Este trabajo utiliza el análisis experimental de la FFT humana, combinado con la red de inteligencia artificial BP y la tecnología de minería de datos profunda, para diseñar un nuevo entorno de entrenamiento deportivo. La prueba controlada de este modelo se diseñó para comparar las modalidades de entrenamiento atlético avanzado con las modalidades tradicionales, comparando la potencia explosiva, la resistencia y la forma física del atleta. Resultados: Después de 30 días de entrenamiento físico, la fuerza atlética de los atletas con un estado físico avanzado aumentó en un 15,33%, la resistencia aumentó en un 15,85% y el estado físico aumentó en un 14,23%. Conclusión: El algoritmo diseñado en este trabajo tiene un impacto positivo en la maximización del entrenamiento de los atletas. Puede tener un impacto favorable en los resultados del entrenamiento, así como aumentar el interés del atleta por el deporte. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.


Assuntos
Humanos , Inteligência Artificial , Aptidão Física/fisiologia , Redes Neurais de Computação , Desempenho Atlético/fisiologia , Atletas
SELEÇÃO DE REFERÊNCIAS
DETALHE DA PESQUISA