训练特征

摘要： 采用文献资料法、专家访谈法、观察法等研究方法,对广东省女子摔跤队2020-2021冬训期训练阶段的划分、训练内容、训练方法以及训练负荷等训练特征进行研究.研究显示:广东省女子摔跤队冬训期共29周,分为基础与提升阶段、强化阶段与赛前阶段;训练内容主要围绕体能训练与技战术训练开展,通过先"扬长"后"补短",全面提升运动员竞技能力水平;训练方法使用丰富合理,具有专项化特征;训练负荷与训练内容联系紧密,张弛有度,呈现出波浪式变化的特征.

摘要： 社会的进步已经能够满足人们对温饱的需求,这时人们将注意力放在体育赛事上,尤其是水上划艇竞技类比赛项目。对于划艇运动项目而言,因为对运动员体能要求比较高,在做体能训练时,使用个性化训练方法,能帮助他们迅速提升训练效果。该文主要针对青少年划艇运动员在进行体能训练过程中显现出来的共同特征进行分析,以此帮助他们提高成绩。

摘要： 极限皮划艇激流回旋是新兴运动,探索运动项目的训练特征是提高竞技水平的基础,提高教练员对训练特征的认知水平是形成正确训练理念的前提。研究运用运动训练学理论,采用文献资料法、问卷调查法和逻辑分析法对我国极限皮划艇激流回旋项目教练员对训练特征的认知进行调查研究,得出结论:绝大部分教练员对极限皮划艇激流回旋项目的技术、战术、体能和心理训练特征的认知符合项目的运动特征和竞赛特征;近4成教练员对该项目训练理念的认知不够清晰;我国极限皮划艇激流回旋项目运动员专项化训练水平较低。建议:加强项目供能结构等的基础研究;加强该项目运动员的专项化训练程度,以尽快提高竞技水平。

摘要： 高压电网环境下,因社会用电量过大易造成严重的短路故障现象。为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法。按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中的不可分边界支持向量,进而处理电网结构中的最小化风险,完成电网故障识别环境搭建。配置高压电网的相量量测单元系数,通过确定故障识别元件,校验短路故障发生的位置,实现高压电网短路故障位置的自动识别。试验结果表明:在传输电量增加的情况下,短路故障电量冗余度极值仅能达到40%;故障位置识别精确性保持在94%。设计方法能够有效实现高压电网短路故障位置自动识别,具有较为优越的性能和一定的应用价值。

摘要： 训练强度分布是指在一定时间段内低、中、高3种不同强度区间的训练量比例,可以分为3种主要类型,即金字塔型(低强度占≥80%,中、高强度占比递减)、两极化型(低强度占75%~80%,中强度占0~5%,高强度占15%~20%)和乳酸阈型(中强度占> 20%)。其中,两极化训练强度分布之前被认为是提升耐力表现的最佳方式,但目前仍存在争议。

摘要： 在现阶段初中体育的教学过程中,十分重视中长跑项目的教学工作。同时,加上新课改的推进,在对学生进行教学的过程中,教师更需要符合素质教育的要求。因此,在初中体育课程的开展过程中,教师需要进行教学模式的创新变化,需要基于中长跑教育目标,提升学生的身体素质。在本文的分析过程中,就针对现阶段学生教学的要求和目的,对初中体育中长跑教学的特征以及训练的方法,进行相应的分析和阐述。

摘要： 男子举重运动员林某某获得2012年奥运会69公斤级金牌。赛前训练是全年大周期的训练中较重要的一节,随着世界举重水平逐渐提高,不断完善比赛规则,举重比赛的竞争更加激烈,对赛前训练也提出了更高的要求。本研究使用文献资料法、个案分析法、数据统计法对该运动员进行研究,得出以下结论:1.林某某赛前训练时间界定为六周,前四周为第一阶段,后两周为第二阶段。2.林某某赛前训练周三和周五进行竞赛动作训练,周一、周二、周六进行专项辅助动作训练,周四进行身体素质训练,周日休息调整。专项辅助动作中,挺举专项技术动作、专项力量上拉动作练习次数较多。一般辅助动作中,发展躯干练习次数较多。3.林某某赛前训练负荷量变化呈现“大中小”的趋势;负荷强度基本保持在83%-97%区间范围内。辅助动作最大重量训练强度基本保持在85%-100%区间范围内,其中专项力量上拉类、起立类负荷较大。赛前有较为明显的赛前减量训练特征。

摘要： 力量素质是短跑运动员必备的主要运动素质之一,是掌握和运用战术的基础。从项目的特点及影响短跑成绩因素的角度来看,力量素质对运动员取得优异成绩起着至关重要的作用。因此,科学合理地进行力量素质训练,是提高短跑运动成绩的关键。本文就短跑运动员最大力量和速度力量的训练特征及方法展开探讨。

摘要： 目的:为探究我国16岁男子高水平足球运动员高强度有氧耐力的训练质量,选取上海申鑫足球俱乐部16岁男子足球队、山东鲁能泰山足球俱乐部16岁男子足球B队和北京亿城BTV三高足球俱乐部16岁男子足球队为调研对象,采用文献资料调研、实地调研、测试等方法,对球队高强度有氧耐力各操作性要素训练特征进行探析.结果:1)在负荷强度上,最大心率89％(含)以下的人次占比为74.0％,最大心率90％～100％的人次占比为26.0％;2)在训练方法上,球队均采用间歇训练法.在训练手段上,球队采用快速跑和小场地比赛.在间歇方式上,主要包括走、慢跑和低速运球等;在间歇时间上,均依靠教练员经验判断;3)在训练次数/周、训练总时间/次、练习组数/次和练习时间/次上,球队分别平均为1次、25 min、2.5次和10.2 min.结论:我国16岁男子高水平足球运动员高强度有氧耐力训练负荷强度偏低;训练方法和间歇方式符合素质发展需求,但训练模式多变性不足,间歇时间控制缺乏科学依据;训练手段专项化特征不足;训练次数/周、训练组数/次、练习时间/次安排及相互之间的搭配有待合理化.

摘要： 技能主导类隔网对抗性项群的运动竞技性要求高,实战对抗中技战术运用更换频繁,文章以技能主导类隔网对抗性项群运动——网球为例,应用文献调查法和视频分析法等对隔网对抗性专项运动员及教练员进行调查分析。从多层次,多角度地把握对技能主导类隔网对抗性项群运动技术运用以及研究特征的认识,为相关运动员参赛和教练员执教提供的参考。

摘要： 铁人三项运动作为一项新兴奥运会比赛项目,诞生后数年间成为了世界范围内发展最快的体育项目之一.本文目的在于通过对部分队伍的青少年铁人三项运动员训练特征进行细致的调查分析,通过问卷调查法对青少年铁人三项教练员、运动员进行问卷调查，并通过观察法对2013-2014年青少年训练营运动员进行观察，访谈相关专家、领导，结果表明我国铁人三项项目具有起步较晚，参与青少年运动人口有限，比赛、活动较少的特点；竞赛安排在数量上逐年呈增多趋势；青少年铁人三项运动员每年参加比赛有限，大赛经验较少；由于参训年限较短我国青少年运动员在世界大赛排名并不理想，但在国内比赛成绩较好，在前八名左右的水平，教练员的选材途径多是通过其他单项运动队直接选拔，选材方法主要利用专项运动成绩进行衡量、预测，更趋向于在游泳运动员中选拔作为铁人三项的人才储备。

摘要： 速度滑冰是典型的以速度为核心的周期性运动项目,速度能力的提高受到很多方面的制约,而力量是其中最重要的保障之一.女子速度滑冰一直是我国冬季奥运争牌夺金的重点项目,在世界冰坛上曾出现过多名优秀的运动员,如薛瑞红、王曼莉、王北星等,在备战2014索契冬奥会之际,采用ISOMED多关节等速肌力测试系统、奥运备战期跟踪调查以及数理统计法,对我国优秀女子速度滑冰运动员下肢髋、膝关节屈伸肌群力量进行测量、统计,以及对全年力量训练内容、周期和负荷等进行分析,通过测试和监控我国奥运备战选手的全面力量能力,为我国冬奥会争夺奖牌的目标做好理论和实践科研服务,收集、整理和分析我国优秀女子速度滑冰运动员的力量能力和力量训练特征,为冬奥会的进步和提高做好准备.

摘要： 当今体坛，金牌的竞争日渐激烈，高水平运动员竞赛成绩的差距存在日益缩小的趋势。rn 在2004年雅典奥运会男子双人划艇500米的决赛中，老将孟关良和小将杨文军以0．072秒的微弱优势率先冲线，为中国水上运动夺得了奥运会历史上的第一枚金牌，这0．072秒的胜利，应该是运动员在身体机能、心理应激能力、技战术配合等各方面因素综合作用的结果，很难说是哪一个因素最终为这O.072秒起了决定性的作用。

摘要： 本公开实施例公开了一种预训练模型的训练方法、编码特征获取方法及相关装置，方法包括：获取待识别音频的各音频帧特征与文本特征；通过文本编码模块对文本特征进行编码，得到文本编码特征；随机选择音频帧特征进行掩码处理，得到掩码音频帧特征序列；通过音频编码模块，结合文本编码特征，对各掩码音频帧特征进行编码，得到掩码音频帧编码特征序列；根据各个掩码音频帧编码特征，获取各个训练音频帧特征，并获取音频损失，调整预训练模型的参数，直至音频损失满足损失音频阈值，得到训练好的文本编码模块和音频编码模块。本公开实施例公开的预训练模型的训练、编码特征获取方法及装置，能够在较小的标注量的基础上，提高模型训练的准确性。

摘要： 本发明公开了一种基于循环特征提取的音乐生成模型的训练方法、训练装置、介质和设备。训练方法包括：获取本轮训练的音乐输入数据集，并将音乐输入数据集与随机噪声拼接形成本轮训练的训练样本；将本轮训练的训练样本输入至生成器中，得到本轮训练的输出数据集，当前轮的输出数用作下一训练轮的音乐输入数据集；将本轮训练的输出数据集和获取到的音乐真实数据样本输入到判别器中，得到本轮训练的判别结果；根据本轮训练的判别结果更新损失函数，并根据更新后的损失函数调整音乐生成模型的网络参数，结束本轮训练。本申请的训练方法使得后续训练采用的样本带有上一轮信息，这样训练得到的模型能增强乐句的上下文相关性，产生连贯性更佳、音乐风格更统一的音乐样本。

摘要： 公开了使用具有预训练的特征提取器的教师机器学习模型来训练学生机器学习模型的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面，方法包括获得指定被配置为执行机器学习任务的教师机器学习模型的数据；获得第一训练数据；在第一训练数据上训练教师机器学习模型，以获得训练的教师机器学习模型；通过使用训练的教师机器学习模型处理未标记的训练数据，生成第二自动标记的训练数据；以及至少使用第二自动标记的训练数据，训练学生机器学习模型以执行机器学习任务，其中，所述学生机器学习模型不包括预训练的特征提取器，而是包括具有比预训练的特征提取器更少的参数的不同的特征提取器。

摘要： 本公开描述了一种基于人工神经网络的青光眼图像特征提取的训练方法，其包括：准备眼底图像和标注图像，标注图像包括标注出视盘区域的视盘标注图像以及标注出视杯区域的视杯标注图像；对眼底图像进行预处理得到预处理眼底图像，并进行血管检测以得到血管图像；将视盘标注图像和血管图像进行混合加权以生成混合权重分布图；并且基于预处理眼底图像和标注图像，采用混合权重分布图对人工神经网络进行训练。由此，能够提高人工神经网络对青光眼图像特征识别的准确性。

摘要： 本公开实施例公开了一种预训练模型的训练方法、编码特征获取方法及相关装置，方法包括：获取待识别音频的各音频帧特征与文本特征；通过文本编码模块对文本特征进行编码，得到文本编码特征；随机选择音频帧特征进行掩码处理，得到掩码音频帧特征序列；通过音频编码模块，结合文本编码特征，对各掩码音频帧特征进行编码，得到掩码音频帧编码特征序列；根据各个掩码音频帧编码特征，获取各个训练音频帧特征，并获取音频损失，调整预训练模型的参数，直至音频损失满足损失音频阈值，得到训练好的文本编码模块和音频编码模块。本公开实施例公开的预训练模型的训练、编码特征获取方法及装置，能够在较小的标注量的基础上，提高模型训练的准确性。

摘要： 本发明提供了一种基于特征分布的训练集生成、模型训练方法及装置，涉及机器学习技术领域，包括：获取测试集和多个训练集，分别从所述测试集和每个所述训练集抽取样本，根据抽取的样本分别确定其特征；根据所述特征确定所述测试集和多个所述训练集的特征分布；根据所述特征分布从多个所述训练集中抽取样本组成新训练集，以生成具有与所述测试集的特征分布对齐的特征分布的新训练集。本发明通过分析测试集和多个训练集的特征在特征空间的分布，确定各数据集间的相关性，并确定每个训练集的抽样概率，对多个训练集进行自动抽样，生成新的训练集。本发明可使得新训练集的数据分布与测试集的数据分布对齐，保证模型在测试集上可获得良好表现。

摘要： 本发明涉及应用电子设备进行训练的方法和装置的技术领域，具体为一种训练人工智能摄像头识别特征物体的训练方法，包括样本获取步骤：采集现场的第一视频信息，存储在数据库中；人物识别步骤：获取第一视频信息，生成出现可疑人员后的第二视频信息；遗留物检测步骤：获取第二视频信息，生成出现遗留物后的第三视频信息；初步判断步骤：获取第三视频信息，判断遗留物所属的可疑人员的行为和表情是否正常，发出不同级别的警示信号；初步提醒步骤：根据不同级别的警示信号提醒或通知不同人员。采用本方案能够在检测到可疑人员入侵并放置遗留物的情况下，根据识别到的可疑人员的行为和表情及时发出不同级别警报。

摘要： 本公开关于一种图像特征提取模型训练方法、图像特征提取方法和装置，包括：获取目标样本图像基于不同的数据增强方式得到的第一处理图像和第二处理图像；对第一处理图像、第二处理图像和其他样本图像分别进行特征提取处理，得到第一处理图像的第一图像特征、第二处理图像的第二图像特征和其他样本图像的图像特征；根据第一图像特征对第一处理图像进行重建处理，得到第一处理图像的重建图像与第一处理图像之间的重建损失；根据第一图像特征、第二图像特征和其他样本图像的图像特征，得到对比损失；基于对比损失和重建损失，对第一图像特征提取模型进行迭代训练，得到图像特征提取模型。该方法可提高训练得到的图像特征提取模型所提取的图像视觉特征的效果。

摘要： 本公开提供了一种特征识别模型训练方法、物品特征识别方法及装置。该训练方法包括：获取物品样本数据集，物品样本数据集中包括多条物品样本，将每条物品样本中的物品图像数据、用于描述物品的文本数据和物品风格数据分别输入初始模型的图像特征提取层、文本特征提取层和风格特征提取层，分别输出物品图像特征、文本特征和风格特征；将物品图像特征和文本特征输入初始模型的特征组合层，输出物品组合特征；将物品组合特征和风格特征输入初始模型的匹配层，输出匹配结果；根据匹配结果和风格标签调整初始模型的模型参数，得到训练完成的特征识别模型。

摘要： 本发明公开了一种通用特征提取网络训练方法、装置及通用特征提取网络，该方法包括：将训练数据对中的训练数据输入至通用特征提取网络中进行特征提取，以得到数据特征；将数据特征输入至对应模态的重构网络中进行重构得到重构数据，计算重构网络输出的所述重构数据和对应的所述训练数据之间的损失函数；根据所有所述重构网络对应的所述损失函数确定训练损失函数，重复上述步骤，优化所述多模态通用训练模型的模型参数直至所述训练损失函数收敛，得到训练好的所述通用特征提取网络。可见，通过本发明的方案训练得到的通用特征提取网络可以被用于提取多种模态的数据的特征，以提高神经网络算法的通用性和效率。