排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考. 相似文献
2.
提出三种求解多模光纤非线性传输方程的误差估计准则—max,sum,ave准则,将多模误差向量转换为误差标量,基于对称分步傅里叶的局部误差法实现多模传输自适应步长统一变化.通过仿真高斯脉冲在渐变折射率多模光纤中的传输,验证了定变步长方法在不同准则下局部误差与全局误差的性能.实验结果表明三种准则的变步长算法都具有收敛性,且利用sum准则计算局部误差控制步长变化,在相同计算量的情况下能得到更高的数值精度,相同全局误差的情况下计算量相对更少,对进一步提高多模非线性传输方程的计算效率有参考意义. 相似文献
1