Biblioteca122.739 documentos en línea

Artículos

Big Data and Deep Learning Model for FMS Score Prediction of Aerobics AthletesModelo de Big Data y Aprendizaje Profundo para la Predicción de la Puntuación FMS de Atletas de Aeróbicos

Resumen

En los últimos años, la aeróbica competitiva ha desarrollado rápidamente en mi país, y los riesgos correspondientes de lesiones deportivas han aumentado gradualmente. Varios estudios han demostrado que debido a las características propias de la aeróbica, los requisitos de movimientos difíciles, el acompañamiento de música rápida y movimientos coordinados coherentes, los atletas sufrirán lesiones deportivas si no prestan atención. Por lo tanto, descubrir las causas de las lesiones de los atletas a tiempo y prevenirlas a tiempo es crucial para mejorar el nivel de habilidad de los atletas y prolongar su vida deportiva. A través de la prueba de evaluación de movimientos funcionales (FMS, por sus siglas en inglés), comprender las deficiencias de los jóvenes atletas de aeróbica en estabilidad del tronco, flexibilidad articular, extensión muscular y fuerza central puede ayudar a los atletas a reducir el riesgo de lesiones deportivas. Por lo tanto, este artículo propone un nuevo modelo de riesgo de lesiones deportivas basado

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento