针对运动过程产生的数据样本，依所选数据的特性决定采用神经网络作为运动行为预测的算法。具体分析如下：

5.3.2.1　预测分析模型：神经网络的数据信息处理

（1）人工神经网络（ANN）是模拟人脑神经元活动的过程，其中包括对信息的加工、处理、存储、搜索等过程。人工神经网络（ANN）不能对人脑进行逼真描述，但它是人脑的某种抽象、简化和模拟。人工神经网络模型的基本组成单元是神经元，整个神经网络是由许多个神经元所组成的。图5-5为人脑神经元的形状。

x人脑神经元由以下部分组成：

①树突：神经纤维较短，是接收信息的；

②细胞体：对接收到的信息进行处理；

③轴突：较长的神经纤维，是发出信息的；

图5-5　人脑神经元形状

④突触：一个神经元的轴突末端与另一个神经元的树突之间密切接触。

人脑神经元具有如下性质：(www.daowen.com)

①多输入单输出；

②突触具有加权的效果；

③信息进行传递；

④信息加工是非线性。

（2）基于对人脑神经元的研究，我们知道人工神经细胞就像真实神经细胞的一个简化版，但采用了电子方式来模拟实现。图5-6为人工神经细胞结构图。

图5-6　人工神经细胞结构图

其中：V1、V2…Vn为输入；Ui为该神经元的输出；Tij为外面神经元与该神经元连接强度（即权），θ为阈值，f（X）为该神经元的作用函数。图中，左边的字母V1、V2…Vn为输入，字母Tij被称为“权重”（weight，或权值，权数）。进入人工神经细胞的每一个输入Vn都与一个权重Tij相联系，正是这些权重将决定神经网络的整体活跃性。你现在暂时可以设想所有这些权重都被设置到了-1和1之间的一个随机小数。因为权重可正可负，故能对与它关联的输入施加不同的影响。如果权重为正，就会有激发作用；如果权重为负，则会有抑制作用。当输入信号进入神经细胞时，它们的值将与它们对应的权重相乘，作为图中大圆的输入也就是“树突”。大圆的“细胞体”是一个函数，叫“激励函数”，它把所有这些新的、经过权重调整后的输入全部加起来，形成单个的激励值。然后，再根据激励值来产生函数的输出也即神经细胞的输出：如果激励值超过某个阈值（作为例子我们假设阈值为1.0），就会产生一个值为1的信号输出；如果激励值小于阈值1.0，则输出一个0。这是人工神经细胞激励函数的一种最简单的类型。在这里，从激励值产生输出值是一个阶跃函数。基于编程的神经网络分析对于了解青少年健身习惯与消费行为具有预测作用。

5.3.2.2　人工神经网络在青少年体质健康中的应用

神经网络（Neural Network，简称“NN”）是模拟人脑功能而建立的一种复杂的、非线性的、并行处理的信息处理系统。它可以弥补现代计算机对青少年体质数据分析在模式识别、感知和在复杂环境中作决策等问题的不足，可以将神经网络在预测、模式识别、图像处理、控制和优化等方面的技术用于青少年体质健康的数据分析处理中，必将起到很好的效果。常规的计算机在青少年体质健康的数据分析中运用的模型是根据统计的数据建立起的一种非线性模型，由于青少年群体的复杂性和多样性，很难建立起一种有效的数学模型。而神经网络可以很好地模拟非线性系统，所以用神经网络作为青少年体质健康促进的预测模型可以取得很好的效果。