基于边缘计算和深度强化学习算法的田径运动员实时监测与分析
机器学习
2024-11-12 v1 信号处理
摘要
本研究聚焦于田径运动员的实时监测与分析，解决传统监测系统在实时性和准确性方面的局限性。我们提出了一个针对物联网优化的系统，集成了边缘计算和深度学习算法。传统系统在处理复杂运动数据时常常出现延迟并降低准确性，而我们的方法通过在物联网架构中集成SAC优化的深度学习模型，实现了高效的运动识别和实时反馈。实验结果表明，该系统在响应时间、数据处理准确性和能源效率方面显著优于传统方法，尤其在复杂田径项目中表现尤为突出。本研究不仅提升了运动员监测的精度和效率，也为运动科学研究提供了新的技术支持和应用前景。
引用
@article{arxiv.2411.06720,
title = {Real-time Monitoring and Analysis of Track and Field Athletes Based on Edge Computing and Deep Reinforcement Learning Algorithm},
author = {Xiaowei Tang and Bin Long and Li Zhou},
journal= {arXiv preprint arXiv:2411.06720},
year = {2024}
}
备注
17 pages