Acceso usuarios
MeiLing Wang, Chunhe Deng
La enseñanza deportiva de precisión basada en Big Data (BD) permite convertir la exploración de causalidad en el descubrimiento de correlaciones, prestando atención a la búsqueda de correlaciones en diferentes datos y, en el proceso, a la exploración de la ley de correlación. En la práctica, la mayoría de las actividades físicas son las principales, y cada evento tiene diferentes fundamentos de acción técnica. Por lo tanto, este artículo estudia la reforma de la enseñanza de educación física (PET) basada en el algoritmo BPNN (red neuronal) basado en BD. La teoría de BPNN se aplica al sistema de evaluación de la calidad docente (TQE) de la PET universitaria, adoptando la tasa de aprendizaje adaptativa variable, lo que permite que el entrenamiento de la red establezca automáticamente diferentes tasas de aprendizaje en las distintas etapas. Para garantizar la fiabilidad de la aplicación de la red neuronal en la TQE de educación física universitaria, se introduce un algoritmo genético (AG) en la red neuronal para mejorar y optimizar el peso de la red. Se ha comprobado que los valores de error obtenidos por BPNN, mejorados por AG, son los mejores. En comparación con otros algoritmos, el error promedio se reduce en un 1,687 %. El experimento demuestra que la aplicación del modelo BPNN mejorado por GA en la evaluación de la enseñanza es científica, objetiva y razonable.
BD (big data)-driven sports precision teaching can turn the exploration of causality to the discovery of correlation, pay attention to finding correlation in different data, and pay attention to exploring the law of correlation in the process. As a practical course, most of physical activities are the main courses, and different events have different technical action essentials. Therefore, this paper studies the reform of PET (physical education teaching) mode based on BPNN(Neural network) algorithm drivenby BD. The theory of BPNN is applied to the TQE(Teaching quality evaluation) system of college PET, and the changing adaptive learning rate is adopted, which makes the network training automatically set different learning rates at different stages. In order to ensure the reliability of the application of neural network in college physical education TQE, GA(genetic algorithm) is introduced into the neural network to improve and optimize the network weight. It is found that the error values obtained by BPNN improved by GA are the best. Compared with other algorithms, the average error is reduced by 1.687%. The experiment proves that the application of GA-improved BPNN model in teaching evaluation is scientific, objective and reasonable.
