КАСКАДНАЯ СТРУКТУРА СИСТЕМЫ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ РАЗЛИЧНЫХ МОДЕЛЕЙ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

А.К. Крутиков
 DOI: 10.25699/SSSB.2020.35.1.006 Download PDF
Аннотация: Развитие информационных технологий и прикладного искусственного интеллекта позволяет повышать качество работы человека в различных сферах жизнедеятельности. Не стала исключением и сфера физической культуры и спорта. Современные компьютерные системы и различные методы машинного обучения широко применяются для решения задач обработки статистической информации, анализа и планирования как тренировочной, так и соревновательной деятельности. В статье анализируется возможность применения различных моделей искусственных нейронных сетей для прогнозирования спортивных событий. Описаны структура модульной системы прогнозирования, где каждый модуль реализован на одной из известных моделей. Основное внимание уделяется двум моделям – на основе обобщеннорегрессионной нейронной сети (GRNN) и на основе нейронной сети векторного квантования (LVQ). Указаны особенности формирования обучающих выборок и принципов работы. В качестве примера рассмотрен процесс прогнозирования исхода боксерского поединка за титул чемпиона мира между российским боксером Сергеем Ковалевым и мексиканским боксером Саулем Альваресом. Результаты проведённых экспериментов представлены в табличной форме. Анализ этих результатов позволяет увидеть недостатки, присущие любой из моделей при прогнозировании событий, в которых кроме односложного ответа (победа, поражение, ничья) необходимо получить и некоторый ряд численных значений. Для решения указанных проблем предлагается использовать каскадирование (конвейеризацию) модулей системы, каждый из которых реализует ту или иную модель нейросети. Приведена обобщённая структура двухуровневой каскадной системы. Использование данной модификации можно считать успешным, так как даже при небольших затратах на ресурсы данная конфигурация показала лучшие результаты прогнозирования, предсказав победу Альвареса практически со 100% «уверенностью». Однако в статье отмечается, что, если обучение используемых при каскадировании моделей проводить последовательно, это приведёт к значительному увеличению времени подготовки системы к работе. Прототип системы реализован на базе пакета MATLAB в научно-исследовательской лаборатории «Интеллектуальные системы» им. В.А. Байкова ФГБОУ ВО Вятского государственного университета. Система продолжает тестироваться в более сложных режимах работы, с введением большого числа разнотипных исходных данных и на различных временных интервалах прогнозирования. Использование программной системы тренерским штабом или личными тренерами спортсменов поможет поднять эффективность тренировочной подготовки, оценить уровень показателей контрольных тестов для достижения необходимого соревновательного результата.
Ключевые слова: спортивное прогнозирование, искусственная нейронная сеть, обучающая выборка, векторное квантование, каскадирование, GRNN-сеть, LVQ-сеть, программная система.

Контакты

Россия, 659305, Алтайский край, г. Бийск,
ул. Трофимова, 27, к. 404Б
Тел. +7-923-162-93-27
(ответственный секретарь -
Голых Роман Николаевич)
e-mail: info@s-sibsb.ru

Свидетельство