Suchergebnisse - Applied Mathematical Modelling

Treffer weiter einschränken
  1. 1

    Artificial intelligence in endurance sports: Metabolic, recovery, and nutritional perspectives (Künstliche Intelligenz im Ausdauersport: Stoffwechsel, Erholung und Ernährung )

    Grivas, G. V., Safari, K.
    Veröffentlicht in Nutrients (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  2. 2

    Synthetic data for sharing and exploration in high-performance sport: considerations for application (Synthetische Daten für den Austausch und die Erforschung im Hochleistungssport: Überlegungen zur Anwendung)

    Warmenhoven, J., Impellizzeri, F. M., Shrier, I., Vigotsky, A. D., Lolli, L., Menaspà, P., Coutts, A. J., Fanchini, M., Hooker, G.
    Veröffentlicht in Sports Medicine (2025)
    “… Methods: The software package in R, synthpop, was used in seven simulation conditions applied to a professional football dataset, with varying model constraints.  …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  3. 3

    VO2FITTING software: New insights and practical applications (VO2FITTING software update) (VO2FITTING Software: Neue Einblicke und praktische Anwendungen (VO2FITTING Software Update))

    Monteiro, A. S. M., Azevedo, R. M. S., Zacca, R., Ogonowska-Slodownik, A., Buzzachera, C. F., Vilas-Boas, J. P., Fernandes, R. J.
    Veröffentlicht in Journal of Human Kinetics (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  4. 4

    Gender-specific predictors of vault performance in gymnastics: a machine learning approach (Geschlechtsspezifische Prädiktoren der Leistung beim Sprung im Gerätturnen: ein Machine-Learning-Ansatz)

    Ðordevic, D., Vodicar, J., Kreft, R., Kolar, E., Paunovic, M., Velickovic, S., Marinšek, M.
    Veröffentlicht in Science of Gymnastics Journal (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  5. 5

    AI chatbots in sport psychology: a paradigm shift or a complementary tool? (KI-Chatbots in der Sportpsychologie: Paradigmenwechsel oder ergänzendes Tool?)

    Saraç, H., Polat, I. G.
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  6. 6

    Leveraging artificial intelligence and machine learning in sport sciences: a systematic literature review of applications, outcomes, and future directions (Einsatz von künstlicher Intelligenz und maschinellem Lernen in den Sportwissenschaften: eine systematische Literaturübersicht über Anwendungen, Ergebnisse und zukünftige Richtungen)

    Kumar, R., Bogia, P., Haq, A. U., Singh, V., Reddy, T. O.
    Veröffentlicht in Sport Sciences for Health (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  7. 7

    A synthetic data-driven machine learning approach for athlete performance attenuation prediction (Ein auf synthetischen Daten basierender Ansatz für maschinelles Lernen zur Vorhersage des Leistungsabfalls von Sportlern)

    Cordeiro, M. C., Cathain, C. O., Daly, L., Kelly, D. T., Rodrigues, T. B.
    Veröffentlicht in Frontiers in Sports and Active Living (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  8. 8

    Comparison of ground reaction forces and net joint moment predictions: skeletal model versus artificial neural network-based approach (Vergleich der Bodenreaktionskräfte und der Prognose des Nettogelenkmoments: Skelettmodell versus Ansatz auf Basis künstlicher neuronaler Netzwerke)

    Cordero-Sánchez, J., Bazuelo-Ruiz, B., Pérez-Soriano, P., Serrancolí, G.
    Veröffentlicht in Journal of Applied Biomechanics (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  9. 9

    Machine learning approaches to injury risk prediction in sport: a scoping review with evidence synthesis (Ansätze des maschinellen Lernens zur Prognose des Verletzungsrisikos im Sport: eine Übersichtsarbeit mit Evidenzsynthese )

    Leckey, C., van Dyk, N., Doherty, C., Lawlor, A., Delahunt, E.
    Veröffentlicht in British Journal of Sports Medicine (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  10. 10

    Identification of athletic and sports profiles through machine learning applied to heart rate variability (Identifizierung von Athletik- und Sportprofilen durch maschinelles Lernen, angewandt auf die Herzfrequenzvariabilität)

    Estrella, T., Capdevila, L.
    Veröffentlicht in Sports (2025)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  11. 11

    Machine learning model to study the rugby head impact in a laboratory setting (Modell des maschinellen Lernens zur Untersuchung vin Kopfstößen beim Rugby in einer Laborumgebung)

    Stitt, D., Kabaliuk, N., Spriggs, N., Henley, S., Alexander, K., Draper, N.
    Veröffentlicht in PLOS ONE (2024)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  12. 12

    An educational review on machine learning: a swot analysis for implementing machine learning techniques in football (Ein Bildungsbericht zum maschinellen Lernen: eine Swot-Analyse zur Implementierung von maschinellen Lerntechniken im Fußball)

    Beato, M., Jaward, M. H., Nassis, G. P., Figueiredo, P., Clemente, F. M., Krustrup, P.
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  13. 13

    Sensitivity analysis of bicycle characteristics for pavement roughness monitoring by vibration data (Sensitivitätsanalyse von Fahrradmerkmalen für die Überwachung der Fahrbahnrauhigkeit durch Vibrationsdaten)

    Ghaderi, O., Cafiso, S., Caponnetto, R., Pappalardo, G.
    Veröffentlicht in Journal of Science and Cycling (2024)
    “… Therefore, the mathematical formulation based on the half-car relaxation model was integrated in a genetic algorithm optimization process to identify the bike parameters which minimize the error between the simulated and in-field Root Mean Square (RMS) of vertical accelerations.  …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  14. 14

    A mathematical model for nordic skiing (Ein mathematisches Modell für den nordischen Skisport)

    MacDonald, J. S., Cardales, R. O., Stockie, J. M.
    Veröffentlicht in arXiv e-print repository (2024)
    “… Nordic skiing provides fascinating opportunities for mathematical modelling studies that exploit methods and insights from physics, applied mathematics, data analysis, scientific computing and sports science.  …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  15. 15

    Incorporating the maximal mean power profile in time trial simulations for more efficient optimal pacing strategy calculations (Einbeziehung des maximalen mittleren Leistungsprofils in Zeitfahrsimulationen für eine effizientere Berechnung der optimalen Pacing-Strategie)

    Zignoli, A., Biral, F.
    Veröffentlicht in Journal of Science and Cycling (2024)
    “… Mathematical modelling in cycling enables retrospective analysis and predictive simulations, crucial for optimizing performance.  …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  16. 16

    A fast gradient convolution kernel compensation method for surface electromyogram decomposition (Eine schnelle Gradientenfaltungs-Kernelkompensationsmethode für die Zerlegung von Oberflächen-Elektromyogrammen)

    Lin, C., Cui, Z., Chen, C., Liu, Y., Chen, C., Jiang, N.
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  17. 17

    Using video analysis and artificial neural network to explore association rules and influence scenarios in elite table tennis matches (Einsatz von Videoanalyse und künstlichen neuronalen Netzen zur Erforschung von Assoziationsregeln und Einfluss-Szenarien bei Tischtennis-Elitematches)

    Liu, J. W., Hsu, M. H., Lai, C. L., Wu, S. K.
    Veröffentlicht in The Journal of Supercomputing (2024)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  18. 18

    2024: anticipating record-breaking performances in front crawl swimming through mathematical analysis (2024: Antizipation von Rekordleistungen im Kraulschwimmen durch mathematische Analyse)

    Patoz, A., Finiel, L., Borrani, F.
    Veröffentlicht in Frontiers in Physiology (2024)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  19. 19

    Modelling of a cyclist`s power for time trials on a velodrome (Modellierung der Leistung eines Radfahrers für Zeitfahren auf einem Velodrom)

    Bos, L., Slawinski, M. A., Slawinski, R. A., Stanoev, T.
    Veröffentlicht in Sports Engineering (2024)
    “… We formulate a phenomenological model to study the power applied by a cyclist on a velodrome—for individual timetrials—taking into account the straights, circular arcs, connecting transition curves, and banking.  …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  20. 20

    A novel mathematical model of the badminton smash: simulation and modeling in biomechanics (Ein neues mathematisches Modell des Badminton-Smashs: Simulation und Modellierung in der Biomechanik)

    Putra, V. G. V., Mohamad, I. N., Mohamad, J. N.
    Zu den Favoriten
    Gespeichert in:
    Originalquelle

Suchwerkzeuge: