System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于应用于体育科技领域,具体而言,涉及一种基于大语言模型的体育监测选拔系统及方法。
技术介绍
1、随着大语言模型的迅猛发展,体育科技成为日益重要的角色。传统的体育训练方式逐渐演变为依赖先进技术的智能化监测系统,为运动员提供更深入、全面的运动数据分析,从而实现个性化、高效的训练和选拔。
2、然而,通常训练是由一位教练带多位学生,难以评估所有学生的训练进度及完成质量。同时在体育人才选拔中,通常是教练凭经验挑选,没有可以评估人才概率的系统,因此要引入一种基于大语言模型的体育监测选拔系统及方法。
技术实现思路
1、本专利技术是基于上述技术问题,针对的体育监测选拔提出的一种基于大语言模型的体育监测选拔系统及方法;不仅解决教练难以评估所有学生的训练进度及完成质量,可以评估人才概率系统的问题,大大提升效率并实现科学训练;而且利用平均值、中位数、标准差融合等多种算法,可以确定相应指标的最佳范围。
2、本专利技术是这样实现的:
3、本专利技术的提出一种基于大语言模型的体育监测选拔系统及方法,该方法应用了硬件设备、终端设备、大语言模型数据分析平台和移动设备;其特征在于,所述方法包括以下步骤:
4、步骤1:通过人员移动设备,选择定制训练任务或预设训练任务;
5、步骤2:硬件设备实时采集人员数据;
6、步骤3:采集到的人员数据通过终端设备上传到大语言模型数据分析平台;
7、步骤4:根据大语言模型数据分析平台对上传
8、步骤5:移动设备根据数据结果对人员进行训练安排及评估得分。
9、根据本专利技术方面的一种能够实现的方式,所述步骤1-2中硬件设备实时采集人员数据具体操作方法包括:
10、通过人员移动设备,选择定制训练任务或预设训练任务;对移动设备内容标记nl,其中β=0,1,2,...,l;l为正整数,表示移动设备内容中l可取值的最大值;硬件设备包括采集单元、存储单元和发送单元;采集单元用于采集心率、时间和步频等;存储单元用于将采集单元数据存储成时间对应序列;发送单元用于将时间对应序列发送给终端设备;
11、将硬件设备固定在被测人物身体上,每个硬件设备都有一个设备序列号,实时采集人员数据并存储成时间对应序列,将时间对应序列发送给终端设备;人员数据包括采集心率、时间和步频等;对人员数据内容标记φβ,其中β=0,1,2,...,p;p为正整数,表示人员数据内容中β可取值的最大值。
12、根据本专利技术方面的一种能够实现的方式,所述步骤2采集到的人员数据通过终端设备上传到大语言模型数据分析平台操作方法包括:
13、接收硬件设备传来的时间对应序列,将每个硬件设备序列号和其传来的时间对应序列实时上传云端;终端设备包括接收单元、充电单元和发送单元;接收单元用于接收硬件设备传来的时间对应序列;充电单元用于给硬件设备充电;发送单元用于将每个终端设备的时间对应序列实时上传大语言模型数据分析平台。
14、根据本专利技术方面的一种能够实现的方式,所述步骤3中根据大语言模型数据分析平台对上传的数据进行处理及分析,并把数据结果发送到移动设备方法包括:
15、大语言模型数据分析平台包括提取指标单元、融合算法单元、
16、最佳范围单元、相对比较结果单元、多模态接收单元和理解分析单元;
17、大语言模型对数据处理步骤:
18、根据人员通过移动设备选择定制训练任务或预设训练任务;判断训练任务类型,将采集到人员数据与自建模型模块中训练好的人员数据的最佳范围对比,获得相对比较结果;将相对比较结果及时间对应序列传递给大语言模型进行推理;输出训练健康提醒、训练任务完成质量得分、人才评估得分等安排及评估;预设训练任务将使用系统提供的目标参考水平对比指标最佳范围,采集目标人员用户心率、时间和步频数据信息,利用平均值、中位数、标准差融合算法等算法,确人员定心率、时间和步频等数据最佳范围。对模型中使用的算法标记lm,其中m=0,1,2,...,σ;σ为正整数,表示模型中使用的算法中m可取值的最大值;
19、提取指标单元,用于确定比较指标名称;
20、融合算法单元,用于确定指标在同技术水平下最佳范围;
21、最佳范围单元,用于给不同技术水平提供目标参考水平对比指标最佳范围;
22、相对比较结果单元,用于确定心率、时间、步频、速度、功率、生物力学角度、距离与心率、时间、步频、速度、功率、生物力学角度、距离的最佳范围的相对比较结果;
23、多模态接收单元,用于接收自建模型模块中相对比较结果及时间对应序列;
24、理解分析单元,用于分析相对比较结果及时间对应序列,输出训练健康提醒、训练任务完成质量得分、人才评估得分。
25、根据本专利技术方面的一种能够实现的方式,所述步骤4中移动设备根据数据结果对人员进行训练安排及评估得分具体操作方法包括:
26、通过移动设备选择定制训练任务或预设训练任务通过模型分析出的数据结果将反馈到移动设备;根据模型相对比较结果,获得训练健康提醒、训练任务完成质量得分、人才评估得分等;对模型相对比较结果关联出的内容标记为us,其中s=0,1,2,...,l;l为正整数,表示模型相对比较结果关联出的内容s可取值的最大值。
27、一种云端系统,根据大语言模型数据分析平台对上传的数据进行处理及分析,并把数据结果发送到移动设备;通过云端计算及分析对体育监测选拔。
28、基于上述任一方面,本专利技术的有益效果为:
29、(1)通过自建模型模块与大语言模型结合,实现训练健康提醒、训练任务完成质量得分、人才评估得分一体化智能分析,将解决教练难以评估所有学生的训练进度及完成质量,没有可以评估人才概率系统的问题,大大提升效率并实现科学训练,同时为国家挑选体育人才提供一套智能化评估系统及方法。
30、(2)通过融合算法,采集目标参考水平心率、时间、步频、速度、功率、生物力学角度、距离并存储成时间对应序列,利用平均值、中位数、标准差融合算法,可以确定相应指标的最佳范围。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的体育监测选拔系统及方法,该方法应用了硬件设备、终端设备、大语言模型数据分析平台和移动设备;其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤1-2中硬件设备实时采集人员数据具体操作方法包括:
3.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤3采集到的人员数据通过终端设备上传到大语言模型数据分析平台操作方法包括:
4.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤4中根据大语言模型数据分析平台对上传的数据进行处理及分析,并把数据结果发送到移动设备方法包括:
5.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤5中移动设备根据数据结果对人员进行训练安排及评估得分具体操作方法包括:
6.一种云端系统,其特征在于:根据大语言模型数据分析平台对上传的数据进行处理及分析,并把数据结果发送到移动设备;通过云端计算及分析对体育监
...【技术特征摘要】
1.一种基于大语言模型的体育监测选拔系统及方法,该方法应用了硬件设备、终端设备、大语言模型数据分析平台和移动设备;其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤1-2中硬件设备实时采集人员数据具体操作方法包括:
3.根据权利要求1所述的一种基于大语言模型的体育监测选拔系统及方法,其特征在于:所述步骤3采集到的人员数据通过终端设备上传到大语言模型数据分析平台操作方法包括:
4.根据权利要求1所述的一种基于大语言模型的体育监测选...
【专利技术属性】
技术研发人员:田文博,
申请(专利权)人:陕西酷体体育科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。