Acceso usuarios
Jing Wang, Ying Xu
Los estudiantes universitarios de deportes a menudo se enfrentan a desafíos únicos, como la alta presión competitiva, las exigencias académicas y la dinámica social. Un ajuste psicológico eficaz es esencial para afrontar estas tensiones y alcanzar objetivos personales y deportivos. Este artículo analiza la posible situación psicológica de los estudiantes universitarios y propone cómo los profesores de educación física pueden ayudarles a ajustar su psicología. De acuerdo con las necesidades de inteligencia de la evaluación del estado psicológico de los estudiantes universitarios de deportes, los resultados de la convolución se deslinealizan mediante una función de activación y luego se agrupan para mejorar la capacidad de ajuste no lineal de la red. Se utiliza CNN_RNN (Red Neuronal Convectiva-Red Neuronal Recurrente) de DL (Aprendizaje Profundo) para extraer información textual y hacer que el modelo preste atención al contenido relacionado con el uso de metáforas en el texto mediante el mecanismo de atención metafórica. Los resultados muestran que el efecto de predicción de un solo factor es mucho menor que el del conjunto de factores centrales, y la precisión de predicción del conjunto de factores centrales puede superar el 90 %. Los resultados experimentales muestran que el algoritmo presenta ciertas ventajas en la predicción de las tareas del usuario en problemas de MH. Puede proporcionar una guía teórica a los profesores de educación física para ayudar a los estudiantes a ajustar su psicología.
College sports students often face unique challenges, including high-pressure competition, academic demands, and social dynamics. Effective psychological adjustment is essential for coping with these stresses and achieving personal and athletic goals. Thispaper analyzes the possible psychological situation of college students and puts forward how physical education teachers can help students adjust their psychology. According to the intelligent needs of college sports students' psychological state assessment, the convolution results are de-linearized by activation function, and then pooled to improve the nonlinear fitting ability of the network. Use CNN_RNN (Convective Neural Network-Recurrent Neural Network) of DL(Deep learning) to extract text information, and make the model pay attention to the content related to the use of metaphor in the text through the mechanism of metaphorical attention. The results show that the prediction effect of single factor is far lower than that of core factor set, and the prediction accuracy of core factor set can reach over 90%. The experimental results show that the algorithm has certain advantages in predicting the user tasks of MH problem. It can provide theoretical guidance for physical education teachers to help students adjust their psychology.
