Resumen

El aeróbic es la fusión de la gimnasia, la danza y la música. La creciente demanda de aeróbic aumenta inevitablemente la demanda de entrenador y profesor de aeróbic y ha abierto la clase electiva de aeróbic que es una manera eficaz de cultivar talentos profesionales relevantes para el aeróbic. El aeróbic ha extendido el modo de enseñanza fijo y no puede ajustarse al desarrollo de los tiempos. La predicción del movimiento de los atletas de aeróbic es un nuevo conjunto de ayuda a la enseñanza. En este artículo, se construye un modelo de predicción del movimiento de los atletas de aeróbic basado en el sensor inercial portátil del Internet de las Cosas y la red de memoria bidireccional a corto plazo (BiLSTM). En primer lugar, se diseñó e implementó una red de sensores inalámbricos basada en ZigBee para recopilar los datos posturales de los atletas de aeróbic. Los sensores inerciales se utilizaron para la recogida de datos y su transmisión a la plataforma en la nube a través de Ethernet. A continuación, el movimiento de los atletas de aeróbic es reconocido y predicho por la red BiLSTM. Basándose en la red BiLSTM y el mecanismo de atención, este trabajo propone resolver el problema de la baja precisión de clasificación causada por el método tradicional de sumar y promediar directamente los vectores de salida actualizados correspondientes a cada momento de la capa BiLSTM. En este trabajo también se lleva a cabo un experimento de simulación. Los resultados experimentales muestran que el modelo propuesto puede reconocer eficazmente el aeróbic.

• 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:atletas de aeróbic, aeróbic, papel, red BiLSTM, memoria bidireccional a corto plazo a largo plazo, clase electiva de aeróbic, baja precisión de clasificación, modelo de predicción de movimiento, sensor inercial portátil, red inalámbrica de sensores
• Keywords:aerobics athletes, aerobics, paper, BiLSTM network, bidirectional long short term memory, elective aerobics class, low classification accuracy, motion prediction model, wearable inertial sensor, wireless sensor network