В данной работе описывается прогнозирование результата в индивидуальной легкоатлетической дисциплине «Толкание ядра» с использованием отдельной обобщенно-регрессионной сети и каскада сетей данной модели. В основе построения каскада лежит внутренняя зависимость, которую возможно выделить при анализе данных, собранных для формирования обучающих выборок. Для обучения отдельной сети формируется одна выборка, для обучения каскада сформировано пять выборок. Кратко описан процесс формирования обучающих выборок, приведены зависимость между сформированными датасетами, структурная схема предлагаемого каскада обобщенно-регрессионных сетей. Описываются ход эксперимента, основные сложности, которые возникли при проведении эксперимента. Результаты прогнозирования оцениваются ошибкой обобщения в метрике средней абсолютной ошибки. Данные ошибок обобщения приведены в таблице в зависимости от целевой ошибки, с которой обучены сети. Произведен анализ данных, анализ времени обучения. Даны рекомендации по использованию каскада в прогнозировании результатов индивидуальных спортивных дисциплин. Рассматривается вопрос разработки системы с учетом автоматического формирования и структурирования обучающей выборки для формирования структуры каскада. Оценивается использование каскада нейронных сетей как инструмента прогнозирования спортивных результатов, в частности в дисциплинах легкой атлетики.
В данной работе описывается подход к построению фрагментированной обучающей выборки. На основе фрагментированной обучающей выборки строится каскад нейросетевых модулей, который является инструментом прогнозирования спортивных результатов в индивидуальных и командных спортивных дисциплинах. При фрагментировании обучающей выборки ключевую роль играют логические зависимости между ее параметрами. Само детальное разбиение на фрагменты построено на наличии прямой логической и/или транзитивной зависимости между набором (фрагментом) параметров и результирующим вектором, являющимся частью зависимого набора (фрагмента) параметров. Приводятся схематические изображения логических зависимостей между фрагментами выборки. Описывается пример фрагментирования обучающей выборки для прогнозирования спортивного события, а также приводится результат эксперимента с использованием полученной фрагментированной выборки. Рассматриваются вопрос автоматизированного определения логических зависимостей, формирования фрагментов выборок, нормализация и автоматизированный сбор данных обучающей выборки. Формирование фрагментированной обучающей выборки позволяет формировать нейросетевой каскад, который, в свою очередь, является «решающей» частью специализированной системы прогнозирования спортивных результатов. В свою очередь, алгоритмы формирования обучающей выборки и обучения отдельных нейросетевых блоков служат частью блока, управляющего «решающей» частью системы.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.