Strategi Komputasi Internet of Things pada Olahraga Bulutangkis
Strategi Komputasi Internet of Things pada Olahraga Bulutangkis – Bulutangkis merupakan salah satu olahraga yang paling populer di Asia. Asia memiliki pemain bulutangkis paling berbakat. Pemain dalam pelatihan bulutangkis tradisional sepenuhnya bergantung pada pelatih dan instruktur kebugaran.
Strategi Komputasi Internet of Things pada Olahraga Bulutangkis
oragoo – Namun di dunia yang berteknologi maju saat ini, sistem pendidikan sudah ketinggalan zaman dengan bantuan teknologi intelijen. Dengan menggunakan teknologi pintar, pemain dapat berlatih secara mandiri. Teknologi ini berkisar dari program perangkat lunak ponsel hingga aplikasi kebugaran. Penelitian ini menggunakan algoritma K-nearest neighbour yang unik dan cerdas dan mengevaluasi hasilnya. Selain itu, seluruh percakapan direkam dan tersedia di database menggunakan metode DKNN (Deep K-Nearest Neighbor).
Model DKNN ini melakukan analisis titik lingkungan kegiatan olahraga bulu tangkis untuk melatih pemain menggunakan Internet of Things (IoT). Hasilnya menunjukkan bahwa algoritma DKNN yang diusulkan bekerja dengan akurasi 89%, yaitu 6,5% lebih baik dibandingkan teknik segmentasi gerak olahraga saat ini. Orang-orang dapat mencapai cukup banyak hal dengan menerapkan metode ini secara real-time untuk persiapan olahraga berikutnya dan teknik perhitungannya.
Diperkenalkan di Tiongkok pada tahun 1920, bulu tangkis menjadi semakin populer. Terlepas dari kenyataan bahwa banyak institusi pendidikan tinggi memasukkan bulu tangkis ke dalam pendidikan olahraga, bulu tangkis memiliki basis teknologi yang kuat. Dasar-dasar bulutangkis dilupakan dan disesatkan ketika diajarkan dari yang sederhana ke yang rumit, sebagian ke keseluruhan. Kedua, perhatian siswa mudah teralihkan dan kehilangan minat belajar ketika keterampilan sulit dibahas.
Mahasiswa pada umumnya mendapatkan pengajaran bulutangkis di universitas dan perguruan tinggi. Akar dari teknologi bulutangkis sangat tipis atau bahkan tidak ada sama sekali, sehingga menjadi masalah pada metode bulutangkis yang semakin ketat dan transisi yang umum dari instruksi sederhana ke instruksi kompleks. Akibat prosedur ini, siswa sering lupa dan tidak menguasai prinsip-prinsip teknis. Kedua, ketika siswa dihadapkan pada banyak detail yang menegangkan dan membingungkan, perhatian siswa menjadi terganggu dan tidak termotivasi untuk belajar.
Banyak perguruan tinggi dan universitas memiliki sedikit pengajaran bulutangkis, dan sebagian besar dari institusi ini hanya menawarkan pengajaran bulutangkis untuk satu semester. Mengajarkan permainan bulutangkis yang kompleks dan serbaguna membutuhkan waktu. Siswa dengan daya terima yang buruk tidak dapat mengikuti kecepatan sekolah. Oleh karena itu, penting untuk menciptakan pelatihan bulutangkis cerdas yang berbasis jaringan saraf.
Para ahli dalam dan luar negeri telah banyak melakukan penelitian tentang pelatihan bulutangkis cerdas. Program penelitian pengajaran cerdas yang paling aktif di luar negeri berada di Amerika Serikat, negara-negara Eropa, Jepang, Kanada dan negara-negara lain. Universitas-universitas di Amerika Serikat telah menciptakan sistem prototipe cerdas, termasuk Stanford, MIT, Memphis, Carnegie Mellon, dan California. Misalnya, US National Science Foundation mengalokasikan $22,5 juta untuk penelitian dan produksi sistem cerdas bagi pelajar dan ciptaan manusia. Komputer dapat menggunakan sistem pengajaran yang dikembangkan selama 25 tahun oleh Universitas Memphis untuk memberikan petunjuk dan petunjuk kepada siswa.
Peneliti kemudian dapat mengambil keputusan dengan mengetik pertanyaan dan menjawabnya secara lisan tanpa pilihan ganda dan memberikan informasi yang relevan. alasan kemungkinan penggunaan bahasa yang salah secara tata bahasa atau semantik. Mendukung pertumbuhan fisik dan psikologis siswa secara umum juga menjadi semakin penting. Selain itu, kebugaran jasmani siswa semakin memburuk dari tahun ke tahun. Dengan meningkatnya popularitas bulu tangkis secara bertahap, nampaknya pendidikan bulutangkis perguruan tinggi juga menjadi bagian penting. Selain meningkatkan level pengajaran, guru harus mengembangkan keterampilan teknis mereka sendiri dan mengembangkan teknik pengajaran baru.
Baca juga : Kegunaan Teknologi Terkini dalam Sepak Bola
Penulis menunjukkan bahwa bulu tangkis adalah olahraga persaingan di mana pun secara online, terutama ganda, yang membutuhkan kerja sama yang tenang dari dua pemain. Ini harus digunakan untuk mengajar bulutangkis secara efektif di perguruan tinggi dan universitas. Ada kebutuhan untuk lebih banyak eksperimen dengan strategi pengajaran dan praktik pengajaran baru untuk meningkatkan rasa kebersamaan, kolaborasi, dan antusiasme siswa untuk belajar. Setelah studi banding eksperimental, kerjasama dan rasa ingin tahu, inisiatif dan kemauan belajar siswa diselidiki. Penelitian-penelitian ini merupakan beberapa titik awal untuk penelitian penelitian ini, namun karena sampel tidak digunakan dalam percobaan sebelumnya, maka sulit untuk mereproduksi dan menggunakan hasilnya.
Motivasi Penelitian
Tujuan dari penelitian ini adalah untuk menciptakan sistem portabel untuk mengklasifikasikan aktivitas olahraga dan praktik pendidikan olahraga terkait di kelas melalui interaksi dan klasifikasi algoritmik. Alat Deep K-Nearest Neighbors (DKNN) digunakan untuk mengekstrak fitur-fitur utama perangkat nirkabel guna mengumpulkan dua komponen sensor inersia yang dapat dipakai dari penganalisis spektrum gerak olahraga Internet of Things (IoT). Komponen-komponen ini dipasang pada pergelangan tangan dan pergelangan kaki pemain bulu tangkis.
Setiap pengamat memakai salah satu dari dua akselerometer genggam di pergelangan tangan dan kaki untuk merekam gerakan listrik yang dilakukan oleh korban. Setelah itu, orang-orang membuat pembelajaran lanjutan berdasarkan algoritma Deep K-Nearest Neighbor untuk mendeteksi berbagai jenis bulutangkis, yang meliputi pengumpulan sinyal gerak olahraga, pra-pemrosesan sinyal, segmentasi gerak olahraga, normalisasi sinyal, pembuatan penganalisis spektrum, fusi atau pengubahan ukuran gambar dan terakhir pembahasan metode klasifikasi.
Bahan dan Metode
Badminton, olahraga yang mahal, lebih populer di Asia dibandingkan di tempat lain. Dalam pengajaran bulutangkis tradisional, pemain harus melakukan perjalanan ke fasilitas pelatihan dan berlatih di bawah bimbingan pelatih yang ditunjuk. Pelatih kesulitan memantau atlet setelah latihan. Internet of Things (IoT) menawarkan berbagai dukungan aplikasi untuk menghindari kesulitan. Di lingkungan modern ini, pelatih juga telah beradaptasi dengan aplikasi seluler dan cara menggunakannya. Melalui sistem interaktif, pelatih dan pemain meninjau secara singkat program pelatihan yang dapat diandalkan, pelacak yang dapat dikenakan, analisis manajemen, dan pelacak yang tidak dapat dikenakan (lihat Gambar.
Baca juga : Membawa Bisnis VR MR dan AR ke Jepang
Aplikasi
IoT (Internet of Things) penganalisis spektrum sinyal gerak olahraga digunakan untuk mengekstrak karakteristik bawaan perangkat nirkabel guna mengumpulkan dua komponen sensor inersia olahraga yang dapat dipakai. Aksesoris ini dikenakan oleh pemain bulutangkis di bagian pergelangan tangan dan pergelangan kaki. Setiap penonton memakai salah satu dari dua modul akselerometer portabel di pergelangan tangan dan kaki mereka untuk merekam gerakan listrik yang disebabkan oleh acara olahraga. Algoritme Deep K-Nearest Neighbor berbasis pembelajaran tingkat lanjut kemudian dikembangkan untuk mengidentifikasi berbagai olahraga bulutangkis. Algoritme ini mencakup perolehan sinyal gerak olahraga, pemrosesan awal sinyal, segmentasi gerakan olahraga, normalisasi sinyal, pembuatan penganalisis spektrum, penggabungan atau pengubahan ukuran gambar, dan terakhir penggunaan metode klasifikasi.
Hasil dan Pembahasan
Dalam penelitian ini, kami menggunakan data yang telah dikumpulkan sebelumnya dengan pengaturan yang telah disediakan dan bagian analisis dilakukan menggunakan model yang diusulkan. Dalam foto tersebut, para pemain pria sedang mengikuti latihan atau latihan bulutangkis. Pemain harus memberikan yang terbaik dan berkonsentrasi selama latihan bulutangkis ini, sehingga program harus memenuhi persyaratan tersebut. Semua pemain mendapat manfaat dari pelatihan, karena perencanaan menjadi lebih diperlukan seiring dengan bertambahnya jumlah pemain. Pemain dapat berlatih maksimal lima jam seperti yang ditunjukkan pada gambar.
Kesimpulan
Bulutangkis adalah salah satu olahraga paling populer di Asia. Asia melahirkan pemain bulutangkis terbaik. Dalam pelatihan bulu tangkis tradisional, satu-satunya sumber dukungan para pemain adalah pelatih dan instruktur kebugaran. Namun, di dunia modern yang berteknologi maju, sistem pendidikan telah melampaui teknologi dalam hal kecerdasan. Teknologi pintar memungkinkan pemain untuk berlatih secara mandiri. Teknologi ini berkisar dari program perangkat lunak seluler hingga aplikasi kesehatan. Studi ini menggunakan pendekatan K-nearest neighbour yang baru dan cerdas dan mengevaluasi hasilnya.
Selain itu, setiap percakapan direkam dan tersedia dalam database menggunakan teknologi Deep K-Nearest Neighbor (DKNN). Berdasarkan hasil, algoritma DKNN yang diusulkan memiliki akurasi 89 persen, mengungguli metode segmentasi gerak olahraga saat ini sebesar 6,5 persen. Dengan menggunakan konsep ini sebagai aplikasi real-time, orang dapat mencapai cukup banyak hal untuk mempersiapkan strategi olahraga dan komputer mereka di masa depan. Penggunaan teknologi sensor untuk menganalisis performa bulu tangkis sangat disarankan untuk penelitian selanjutnya.
