Resumen

El cuerpo principal de la competición moderna de artes marciales chinas es la estrategia, y la lucha acaba de empezar en las competiciones deportivas. La estrategia y la acción se corresponden entre sí y se practican como un conjunto. Por lo tanto, la construcción del algoritmo de toma de decisiones de la competición de artes marciales chinas y el perfeccionamiento de la competición de artes marciales son intuitivos y esenciales. La formulación de estrategias de competición de artes marciales requiere un análisis científico de los datos atléticos y predicciones más precisas. Basándose en esta observación, este artículo combina la popular tecnología de redes neuronales para proponer un novedoso descenso de gradiente elástico de impulso adicional. La red neuronal BP se adapta al ritmo de aprendizaje. El algoritmo es mejorado para la red neuronal BP tradicional, como la selección de la longitud del paso de aprendizaje, la dificultad de determinar el tamaño, y la dirección del peso, y la tasa de aprendizaje no es fácil de controlar. Los resultados experimentales muestran que el algoritmo de este artículo ha mejorado tanto la escala de la red como el tiempo de ejecución y puede predecir rutinas de competición de artes marciales y formular estrategias científicas.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:algoritmo, tasa de aprendizaje, red neuronal, decisión de competición de artes marciales chinas, rutinas de competición de artes marciales, estrategias de competición de artes marciales, competición moderna de artes marciales chinas, tecnología popular de redes neuronales, descenso de gradiente elástico, longitud del paso de aprendizaje
• Keywords:algorithm, learning rate, neural network, Chinese martial arts competition decision, martial arts competition routines, martial arts competition strategies, modern Chinese martial arts competition, popular neural network technology, elastic gradient descent, learning step length