周松芳
- 作品数：13 被引量：6H指数：1
- 供职机构：广州铁路职业技术学院更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 篮球跳投中投中与投失的动作特征差异比较
- 研究目的:篮球跳投是篮球比赛中最常用的投篮方式,对于跳投的动作特征,前人的大部分研究主要通过一些常用的运动生物力学变量进行分析,这类研究缺乏分析的动态性,难以发掘动作特征的本质差异。动作变异(momvment varia...
- 杨宗青周松芳徐建富李侑珍
- 关键词：篮球跳投
- 篮球专项运动员弹跳力与另类运动素质因素的相关性研究
- 2009年
- 运用专家评判法、实验测试法,结合实践创新,通过回归分析得出与篮球弹跳力相关性最高的练习手段和素质因素依次有:(1)"中负荷蹬举",反映的是与篮球运动起跳动作结构相一致并伴随伸臂的伸髋,伸膝肌群的速度力量;(2)"大负荷半蹲",反映的是伸髋、伸膝肌群的最大相对力量;(3)"跳深",反映的是伸膝肌群和伸踝(屈足)肌群的反应力量;(4)"六十米加速跑",反映的是加速能力和全身协调发力能力。
- 杨宗青周松芳
- 关键词：跳深伸髋
- 篮板球场景下篮球3对3快攻的分析与运用研究
- 2020年
- 该文试图通过文献资料法、逻辑分析法,以抢到篮板球获得球权为前提,在篮球快攻当中,进攻方和防守方均是3人参与的情况下,选择以防守策略为逻辑起点,对篮球3对3快攻的场景展开了深入的分析,剖析了每一个快攻场景的预判、发起、接应、推进、投篮和回防等6个阶段,以期为教练员、篮球运动员和篮球运动爱好者在实战当中运用快攻战术时提供具有参考价值的信息。
- 周松芳
- 关键词：篮球篮板球快攻
- 创新创业智能控制技术应用实验室建设的思考被引量：1
- 2022年
- 在智能制造与创新创业政策背景支持下,通过分析当前高职学生创新创业现状及影响因素,提出应多专业协同构建智能控制技术应用实验室,通过跨专业共建智能控制技术资源库、跨专业促进学生创新创业交流合作、跨专业组建创新创业项目团队、开展科技成果产业化试点、建立开放共享实验室运行机制等方式丰富实验室建设内容。
- 申利民周松芳
- 关键词：创新创业智能控制
- 基于运动训练学视角的高水平运动员比赛当中失误成因分析与对策研究
- 2023年
- 运动训练学认为,运动员在比赛过程中出现失误是不可避免的。本文试图从技术战术和教练员等角度进行分析高水平运动员比赛当中失误的成因,以供教练员和运动员参考借鉴。
- 周松芳刘浩
- 关键词：运动训练学
- 一种基于5G无线路由器应用网络安全评估方法
- 本发明公开了一种基于5G无线路由器应用网络安全评估方法，涉及无线路由器技术领域，本发明包括设立安全控制系统，安全控制系统包括监测模块、控制模块以及管理模块，控制模块设定上网设备的WiFiMAC地址白名单以及非白名单设备认...
- 申利民周松芳刘怡飞
- 广深地区高校体育俱乐部现状调查与分析
- 培养学生的“终身体育意识”是高校体育教学目标的一个重要方面，传统的体育教学已经不能完全满足学生的实际需求。近年来，随着高校体育课程改革的不断深入，广深地区很多高校已经建立了学校体育俱乐部模式，但在实施过程中还存在很多问题...
- 周松芳
- 关键词：体育俱乐部课程改革体育教学
- 文献传递
- 基于脑科学视角的高水平运动员比赛当中失误的成因分析与对策
- 2023年
- 在高水平的比赛中失误会对运动员的心理、生理等诸多方面产生影响,这些影响可能对比赛结果产生了决定性作用。因此,本文基于脑科学的视角,对高水平运动员在比赛当中失误的成因进行分析,并试图提出相应地对策,以供运动员和教练员提供参考。
- 周松芳
- 关键词：脑科学比赛
- 抢断球场景下篮球3对3快攻的分析与运用研究
- 2020年
- 该文拟采取文献资料法、逻辑分析法,以篮球比赛中抢断球场景为基础,在反攻阶段时,双方参与进攻和防守均是3人的情况下,以防守策略的选择为逻辑起点,对篮球快攻3对3的场景展开了深入的分析,剖析了每一次快攻场景进攻的预判、发起、接应、推进、投篮和回防等6个阶段,以期为教练员、篮球运动员和篮球运动爱好者在运用快攻时提供具有参考价值的信息。
- 周松芳
- 关键词：抢断球篮球快攻
- UCM协同理论控制机制及应用的研究进展被引量：1
- 2023年
- 运动协同是动作控制领域中的核心问题,非受控流形(uncontrolledmanifold,UCM)理念的提出,极大地促进了人们对运动协同的认知。研究回顾了UCM协同的起源、基本理念和分析过程,以及与其他协同理论的比较,并重点探讨了:1)UCM协同的神经控制部位和控制模型。UCM协同的神经控制部位不是大脑皮质,而是皮质下结构。其控制模型包括反馈控制模型、对照设置模型以及前馈控制模型等。行为学层面的UCM协同是神经控制,外力、关节之间的互动力矩,多关节肌肉耦合不同关节所产生的力矩等因素共同作用的结果。2)UCM协同在技能学习、神经性疾病的诊断和康复、健康老龄化、儿童动作发展以及运动(职业)技能控制等领域的应用。UCM协同的量化指标,能有效区分运动技能学习过程中的阶段差异,以及神经病患与正常人群的差异,不同年龄、不同技能水平等的群体差异。据此提出未来值得关注的研究方向:1)寻找无损且能直接干预脑深部神经区域的技术。2)应用环节互动的动力学方法,验证产生UCM协同的主要来源是否来自于各环节之间的互动力矩和多关节之间的耦合。3)从UCM协同的角度深入探索高水平运动员的运动控制机制。4)探索提高特定运动技能协同能力的方法和手段。
- 杨宗青米靖周松芳万祥林张强峰
- 关键词：运动控制
