（圖一:跳遠成績構成三段距離 取自跳遠李鴻江 1996）
（圖二:跳遠成績構成要素關係圖 出自本研究 2008）
參、類神經網路
量化網路 分類問題 回想速度快 理論簡明 反傳遞網 路 R.Hecht-Ni elsen 1986 樣本辨識 分類問題 函數合成 資料壓縮 結合監督與無監 督學習 理論簡明 學習速度快 學習精度低 自組織映 射圖 T.Kohonen 1980 聚類問題 拓樸映射 具有鄰近區域觀 學習速度快 無 監 督 自適應共 振理論 G.A.Carpe nter S,Grossber g 1976-19 86 樣本辨識 聚類問題 網路具穩定性 網路具可塑性 學習速度快 模式非常複雜 具警戒值觀念 霍普菲爾 網路 J.Hopfield 1982 自聯想記憶問題 雜訊過濾 學習速度快 回想速度慢 理論簡明 聯 想 雙向量想 記憶網路 B.Kosko 1985 異聯想記憶問題 雜訊過濾 學習速度快 回想速度慢 理論簡明
倒傳遞類神經網路(Back Propagation Neural Networks,BPN)模式是目前類神經 網路學習模式中最具代表性，應用最普遍的模式。。
（圖三:取自類神經網路模式應用與實作 葉怡成 2003） 1、輸入層：網路的輸入變數，處理單元數目依問題而定。 2、 隱藏層：輸入處理單元間的交互影響，其處理單元數並無標準方法可以決定，經 常需以試驗方式決定最佳數目。 3、 輸出層：用以表現網路的輸出變數，其處理單元數目依問題而定。使用非線性轉 換函數。 倒傳遞網路模型一些重要參數設定如下：
性、非結構化的變動現象在預測上具有很好的預測能力，而且有容易使用、使用彈性 大、容錯性高、可處理關聯性資料等等的特性；對跳遠距離要素關係圖（圖二）與類 神經網路（圖三）兩張圖樣稍作觀察與比較，其連結點與連結線所構成的網狀圖形極 為類似，將類神經網路輸出層設定為一單元數目更是雷同於跳遠圖中的成績距離此連 結點。本研究嘗試以類神經網路的優點來進行預測模式的建構。成功的話對跳遠訓練 人員在發掘影響因素、調控訓練技巧參數將更加便易、準確，提供跳遠人員們作為訓 練與改進動作技術的參考依據。
參考文獻
乃慧芳(1999)。男子跳遠。國立體育學院運動教練研究所，台北，台灣。 李鴻江（1996）。跳遠。人民體育出版社 邱靖華(1994)。跳遠不同起跳角之動力學研究。中華民國體育學會體育學報，17 輯， 197-210 頁。 深代千之(1998)。跳遠，久違了 23 年的世界紀錄的秘密。牛頓雜誌，184 期，112-113 頁。 許樹淵(1997)。運動生物力學。台北市：合記。 許樹淵(1994)。亞運會急行跳遠成績分析。中華體育，8卷 3 期，55-60 頁。 葉怡成（2003）。類神經網路模式應用與實作。台北：儒林。 蔡瑞煌（1995）：類神經網路概論。台北市：三民。Clayton,J.(1992). Jump events: Similarities-Difference. Take & Field Quarterly Review,
92(4),1-3
Hay,J.G.(1986).The biomechanics of Long Jump. Exercise and Sport Sciences
