可以测试体育跑步的软件,某高校现跑步打卡神器 能检测出是在走还是跑

[摘要]近日,一批高大上的“阳光跑步神器”在东莞一所高校火了!之所以称之“神器”,是由于这批机器能检测到你在走路还是在跑步,如果走路数据将中断。消息一出,学生们有赞成,也有大呼“吃不消”。

e2895bc7de590c25b615d48352a6aa52.png

东莞某高校“打卡神器”

近日,一批高大上的“阳光跑步神器”在东莞一所高校火了!

学校的一些“好奇宝宝”称已从老师那里得知,这是学校即将开展的“阳光跑步”计划,要求大一大二学生每周至少跑两次1000米。之所以称之“神器”,是由于这批机器能检测到你在走路还是在跑步,如果走路数据将中断。消息一出,学生们既有赞成,也有大呼“吃不消”。

昨日,记者从东莞理工学院城市学院获证实,这批“神器”将在十一假期后正式投入使用,校方的初衷为希望学生们通过跑步来强身健体,培养更为健康的运动习惯。

文/图广州日报记者龙成柳

计划:寒假前学生跑步次数不低于24次

昨日,记者来到东莞理工学院城市学院大操场上看到了这批“跑步神器”,只见这个“神器”高约一米,屏幕上显示“测距考勤点”的字样,按照指示的操作,学生应在仪器上刷卡,输入自己的学号,在现场拍下大头照,点击签到,就可以开始跑步了。

记者数了数,操场上一共径直竖立了2组这样的测距考勤仪器,一组10个,分为2组分列操场的对角线上,学生在其中一侧签到后,跑到对角线的仪器上,需要再刷一下校园卡,以此监督学生跑完全程。

据操场上的同学告诉记者,这批机器校方还没正式投入使用,但开放了试用功能。据该校体育教学部主任邢红林透露,初步计划是,在寒假之前,要求大一大二学生们跑步不低于24次,基本满足男生一周跑两次1000米,女生跑两次800米。“这个系统并不要求学生们跑得多快,跑得多勤,如果有些学生想临时抱佛脚,平时不跑,想要一次过跑完所有的路程,系统里成绩也同样会被取消。”

对于接下来如何监督,如何防代跑?邢主任说,会在系统里设置一些数据来监测,比如每圈限定多长时间,但更重要的还是要学生们从主观上来认识跑步这项运动。

为了鼓励学生们运动,邢红林称,学校还考虑以后每月公布跑步前几名,“学生将会得到学校授予的一些荣誉或奖励。”

他还告诉记者,自从这批“神器”安装以后,也得到了东莞其他高校的关注,“不少学校也有过来参观取经。”

学生:有人支持有人愁

对于这个“监跑神器”,学生们如何看?记者看到,在“城院贴吧”公众号发出该监督跑步神器的消息后,多数学生表示支持,但也有人大呼“吃不消”。

网友“Ozzzer”就表示:“1000米不多吧,而且一周两次也很合常理啊,都是为了我们好的。”

网友“用感觉去呼吸”则抱怨称自己每周上舞蹈课已累得连饭都吃不下了,“我们的运动量已经太多了,现在还要跑步!不知道还能不能继续坚持读大学!”

也有一些学生化身“段子手”,称这将是新的“虐狗神器”。网友“Big Boss“留言道:“我看到吧主和她女朋友!女朋友撒娇说:我跑不动了!你背我吧!然后,我就默默跟在背后看着他俩跑了2000米!”

校方:希望培养学生每天运动的健康习惯

昨日中午,记者也联系了该校体育教学部主任邢红林,据介绍,学生们口中的“跑步神器”其实名为“阳光长跑系统”,是该校即将对大一大二学生推出的一项“阳光跑步”计划,共投资约38万元。

对于有学生大呼“吃不消”,他笑称,“哪有说的那么可怕,我们只是希望通过这个系统来督促孩子们热爱运动,通过跑步来强身健体,提高身体素质。”

邢红林表示,近年来,学校体育部也发现新生们的运动能力差强人意,部分学生甚至出现一跑就受伤,一动就气喘的状况,有时体育课老师布置了跑步,但有部分学生跑着跑着就不知道去哪了。

“根据国家体育测试标准,男生女生分别要进行1000米和800米的跑步测试,考虑到学生们心肺功能需要锻炼,去年我们打了这个报告,学校通过以后就安装了这批阳光跑步系统。”邢红林说。

“学校的初衷只是希望让学生们能培养起每天运动的健康习惯,毕竟有时上了一天课,来跑跑步对身体好处很多。”邢红林笑道,“现在大家都在喊减肥,其实跑步就是最好的减肥方式。”

目前,这批系统仍在调试,将跟学校的体育教学结合起来,“比如老师会教学生们如何运用正确姿势跑步,如何健康长跑。”如果学生达不到跑步次数将被计入体育考核不合格。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值