短期训练

摘要： 研究短期的高强度间歇训练(High-intensity Interval Training,HIIT)是否对改善青少年羽毛球运动员的无氧运动能力有效.研究对象为32名中学的羽毛球男运动员,4周的HIIT后,运动员体脂下降,无氧运动能力、疲劳指数、膝关节伸展和屈肌耐力都得到了改善.4周的HIIT训练提高了运动员的表现和体能,因此,短期的HIIT训练对提高青少年羽毛球运动员成绩具有重要帮助.

摘要： 俗语有云"临阵磨枪,不快也光。"高校田径作为体育教育的重要组成部分,田径赛事的开展情况关系到高校田径运动的发展高度。作为一种经常被高校运用的训练模式,赛前短期训练的作用也逐渐凸显出来。如何保证训练的有效性,则需要训练方法的全面优化,以此来为高校田径训练有效性打下坚实基础。

摘要： 本文从短期训练包括力量与耐力角度,比较运动员短期训练前后心脏功能变化,分析运动员在短期训练中承受的心脏压力负荷.从比较中可以看出,变化非常明显,说明短期训练对于运动员的心脏功能具有显著的影响作用.说明短期训练研究,对发挥运动员提能潜力有着很大的价值.在实际训练中,适当提高训练时间与训练强度,有利于运动员心脏的功能提升.

摘要： 竞走运动具有极强的技术性特征,只有确保技术的规范和稳定才能实现成绩的稳步提升。为此,遵循合理的训练原则并辅以科学的训练理论方法指导十分必要,同时是提高竞走技术训练质量的支撑保障。高校作为培养竞走人才的重要场所,然而一直以来受各种主客观因素的制约,整体训练效果差强人意。为此如何高效借助短期训练这一捷径,进而取得令人信服的成果,是目前高校竞走教学训练的重要课题之一。

摘要： 本文采用文献资料法、跟踪观察法、比较分析法、访问法和问卷调查法对昆明经济技术开发区第一中学初二88班在短期训练后对中学生有何影响调查分析.调查所知:在短期训练后,学生的运动成绩、心理承受能力、课堂活跃力、意志品质、班级凝聚力均有所提高.为后期养成良好的体育锻炼习惯和中考体育打下良好的基础.

摘要： 学习压力大，备战时间短，比赛任务重，专项能力不强，是高中田径运动业余训练的主要特点。抓好400米栏训练的关键在于明确指导思想，突出重点，细化各项训练内容，以达到短期内迅速提高专项成绩的目的。

摘要： 由于业余体校的特殊性质,导致其在训练方法等方面和其他学校存在很大差异,面对这种情况,相关人员需要对其训练方法进行深入分析和研究.在跳远运动员的短期训练中也如此,通过训练方针的制定以及各种理论分析等可以为业余体校跳远运动员的短期训练提供更多帮助,使运动员各方面素质有所提升.该文将就这些内容进行具体分析,希望对我国业余体校跳远运动员未来发展等提供一定的帮助.

摘要： 本文通过本人近几年的健美操训练实践,针对高中生文化课学习任务重,训练周期短的状况,提出健美操短期训练首先应从选材、钻研规则、制订计划入手,然后对运动员的体能、姿态、表现力、心理素质等方面加强训练,同时注意因材施教,发展运动员的个性特点,使运动员的健美操运动水平得到较快的提高.

摘要： 通过问卷调查法,深入了解短期训练选择报考体育体育专业的动机,学生入学后学习状况以及对毕业去向的打算,提出短期训练报考体育专业带来的一些问题,目的在于更好的培养体育人才,为国家体育事业更好的服务.

摘要： 随着经济和科技的进一步发展,对体育教学的重视程度也越来越高.体育锻炼不仅可以提高人们的身体素质,而且对心理健康也有一定的促进作用.篮球作为体育锻炼项目中的重要组成部分,越来越受到人们的重视,尤其是高校的学生们.他们通过篮球运动来提高自身素质,同时篮球运动也可以提升整个团队的协调能力及合作精神.在终身体育倡导背景下,篮球运动有比较大的发展空间,篮球运动员经过训练能够快速提升自己的篮球素质.本文主要探讨了高校篮球队短期训练模式,仅供高校篮球教学改革研究参考.

摘要： 基于人类听觉的可塑性，本文采用短期训练对非个性化HRTF的虚拟听觉重放进行感知校正，以期改善听觉感知效果。实验结果表明，受试者通过三日的短期训练可以在听觉上校正非个性化HRTF带来的声像畸变问题，包括水平面定位正确率的提高和前后混乱率的下降。

摘要： 目的:通过短期智慧呼吸法训练，初步研究人体健康状态的变化特点及其训练效果。方法：选择被试者16人，男10名女6名，年龄20～72岁。对被试者进行检测人体健康状态指标，进行短期智慧呼吸法训练，每次吸3秒呼15秒，共进行30分钟，中间休息10分钟。用Alfa仪器检测指标。所有被试者每天按照规定顺序一次完成实验，重复进行七天。数据处理:采用自身对照、配对T测验方法进行统计学分析。结果：第一天训练前，紧张指数为216.13，训练后显著地下降为97.86 (P＜0.05）,并达到正常水平。自主神经平衡指数训练后非常显著地下降了194.94 ( P＜0.01)。生理年龄下降7.2岁，非常显著。激素指数、能量资源、心理情绪指数训练后非常显著地增加(p＜0.001),并达到正常范围.适应能力、综合健康指数训练后非常显著地上升(P＜0.001)。结论：智慧呼吸训练对人体健康状况有显著地改善。

摘要： 本申请公开了一种光伏短期功率预测模型训练方法、预测方法及装置，通过历史环境数据和历史光伏发电功率数据生成训练样本和测试样本，通过训练样本对各麻雀个体对应的极限学习机进行训练；根据测试样本输入到各初始光伏短期功率预测模型得到的功率预测值和测试样本的历史光伏发电功率数据计算各麻雀个体的适应度值；根据适应度值选择发现者和跟随者，进而更新麻雀种群的位置，在第一阶段寻优满足预设条件后，输出当代麻雀种群的位置，进行第二阶段的参数寻优，最终将从所有代麻雀种群的位置中确定的全局最佳位置还原为极限学习机的网络参数，得到最终光伏短期功率预测模型，改善了现有技术存在的容易陷入局部最优，导致预测准确性不高的技术问题。

摘要： 本发明公开了一种在通信领域训练长短期记忆神经网络的方法，包含执行该方法的指令的计算机可读存储介质和计算机，以及信道参数调整系统及其方法。上述长短期记忆神经网络训练方法包括以下步骤：接收从通信端输出的数字信号；记录常规情况下的正常信道参数；对数字信号进行预处理；使用开源框架搭建长短期记忆神经网络；计算长短期记忆神经网络的损失函数，打印在训练集和验证集上的准确率；更新迭代长短期记忆神经网络的各权重和偏置；判断迭代次数是否达到预定次数；如果达到预定次数，选择在验证集上准确率最高的长短期记忆神经网络进行保存，否则继续迭代。根据本发明技术方案，可以省去前期大量人力工作成本，且获得高精度的信道参数信号。

摘要： 一种用于SVR短期负荷预测的训练样本分组构造方法，属于智能计算与机器学习领域。该方法包括相关性分析：使用灰色关联度中的邓氏关联度分别分析每一个时间区间的负荷与其它所有时间区间负荷的关联度，形成关联度矩阵；预测问题分组：根据关联度矩阵，将负荷关联度大的时间区间分到一组；构造参考负荷矩阵；选取参考负荷构造训练样本：对负荷变化率矩阵中每一列使用最小二乘拟合做一次函数拟合，计算拟合方差；选取拟合方差较小的时间区间的负荷作为该组的预测参考负荷。本发明可以提高负荷预测精度；避免了时间复杂度高的问题；实验结果表明，使用本发明构造的训练样本训练出的短期负荷预测模型在预测精度和时间复杂度方面都有较好表现。

摘要： 本发明公开了一种短期负荷预测方法、短期负荷预测模型训练方法、装置、可读介质及电子设备，该方法包括：获取待预测数据，待预测数据包括负荷时序数据和影响因素数据；基于负荷时序数据和已训练的预测模型中的长短期记忆网络，获取第一负荷时序特征；基于影响因素数据和已训练的预测模型中的全连接网络，获取影响因素特征；基于第一负荷时序特征、影响因素特征和已训练的预测模型中的输出网络，获取短期负荷预测结果。本发明提供的技术方案通过引入多源数据即负荷时序数据和影响因素数据，并利用长短期记忆网络和全连接网络准确学习到多源特征即第一负荷时序特征和影响因素特征，从而使得基于多源特征获取到的短期负荷预测结果准确性较高。

摘要： 本发明涉及一种短期时间序列预测模型的训练方法，方法包括：输入具有不同特征的带有时间属性的历史图像数据；使用双流时空运动特性识别方法对所述图像数据进行特征提取，得到不同图像数据的特征；将不同图像数据的特征进行张量拼接，得到多种因子图像特征矩阵；将历史目标实测数据、历史理想外源辅助数据与历史实际外源辅助数据的差值、以及多种因子图像特征矩阵进行拼接，得到第一样本数据；以未来目标实测数据作为第一标签数据，使用Transformer预测出第一预测数据，将所述第一预测数据与所述第一标签数据使用损失函数计算第一预测损失，并向使所述第一预测损失减小的方向进行迭代训练，得到训练完成的模型。

摘要： 本申请公开了一种光伏短期功率预测模型训练方法、预测方法及装置，通过历史环境数据和历史光伏发电功率数据生成训练样本和测试样本，通过训练样本对各麻雀个体对应的极限学习机进行训练；根据测试样本输入到各初始光伏短期功率预测模型得到的功率预测值和测试样本的历史光伏发电功率数据计算各麻雀个体的适应度值；根据适应度值选择发现者和跟随者，进而更新麻雀种群的位置，在第一阶段寻优满足预设条件后，输出当代麻雀种群的位置，进行第二阶段的参数寻优，最终将从所有代麻雀种群的位置中确定的全局最佳位置还原为极限学习机的网络参数，得到最终光伏短期功率预测模型，改善了现有技术存在的容易陷入局部最优，导致预测准确性不高的技术问题。

摘要： 用于量化具有多个权重的训练的长短期记忆(LSTM)神经网络的方法，所述方法包括：获得为训练的LSTM神经网络的每个权重指定训练的浮点值的数据，所述训练的LSTM神经网络包括一个或多个LSTM层，每个LSTM层具有多个门且多个门中的每个门与输入权重矩阵和循环权重矩阵相关联；量化训练的LSTM神经网络，包括：对每个门，将输入权重矩阵的元素量化到目标固定比特宽度；对每个门，将循环权重矩阵的元素量化到目标固定比特宽度；以及提供指定量化神经网络的数据以用于执行量化的推断。

摘要： 本申请提出一种长短期记忆网络LSTM的训练系统及方法。其中，所述系统包括：主模型处理器，用于存储并维护LSTM的主模型，其中，LSTM的主模型包括第一至第M个网络层，M为正整数；以及第一至第N处理器，用于分别根据LSTM的主模型生成本地副模型，第一至第N处理器分别包括第一至第M个处理单元，第一至第M个处理单元分别用于训练第一至第M个网络层，其中，N为正整数，第一至第M个处理单元中至少一个处理单元为半精度计算模式，其他处理单元为单精度计算模式。由此，通过这种LSTM的训练系统，在LSTM模型训练中采用半精度/单精度浮点的混合数值表示，不仅提升了模型训练的速度，而且提高了模型的精度与性能。

摘要： 本发明公开了一种在通信领域训练长短期记忆神经网络的方法，包含执行该方法的指令的计算机可读存储介质和计算机，以及信道参数调整系统及其方法。上述长短期记忆神经网络训练方法包括以下步骤：接收从通信端输出的数字信号；记录常规情况下的正常信道参数；对数字信号进行预处理；使用开源框架搭建长短期记忆神经网络；计算长短期记忆神经网络的损失函数，打印在训练集和验证集上的准确率；更新迭代长短期记忆神经网络的各权重和偏置；判断迭代次数是否达到预定次数；如果达到预定次数，选择在验证集上准确率最高的长短期记忆神经网络进行保存，否则继续迭代。根据本发明技术方案，可以省去前期大量人力工作成本，且获得高精度的信道参数信号。

摘要： 本发明公开了一种基于人工神经网络改进训练策略的短期负荷预测方法，包括：建立Elman人工神经网络，将原始数据进行预处理获得训练样本；通过设置不同的阀值和权值，获得多组训练结果；对比获得的多组训练结果，记录误差最小的预测数据组；重新设置Elman人工神经网络的初始隐含层神经元数，带入训练样本进入网络进行训练；选择与验证样本误差最小的一组对应的人工神经网络模型作为预测模型；本发明方法改变了传统上只输入一个时间点的多个相关日历史负荷数据的做法，改为输入多个时间点的多个相关日历史负荷数据。代入模型预测后，只选取预测值序列中的中间值作为本次预测的目标值，从而避免了边缘效应及数据波动对预测的影响。