В статье описывается целесообразность создания программной системы на основе средств и методов искусственного интеллекта для прогнозирования спортивных результатов в индивидуальных и командных видах спорта. Приведена модульная структура прототипа системы, основанная на применении в каждом модуле различных моделей искусственных нейронных сетей. В качестве моделей используются: каскадная нейронная сеть, обобщенно-регрессионная нейронная сеть, нейронная сеть с радиально-базисными функциями и нейронная сеть векторного квантования сигналов. Приведены варианты модификации модулей. Описана структура нейронной сети векторного квантования и способ её применения при выполнении прогноза. В качестве примера модификации рассмотрена структура системы с конвейеризацией нейронных сетей. Подробно описаны эксперименты с использованием нейронной сети векторного квантования сигналов по прогнозированию исхода поединка в смешанных единоборствах между россиянином Хабибом Нурмагомедовым и американцем Дастином Порье. Приведены рекомендации пользователю по формированию специализированных обучающих выборок и проведению этапа обучения различных модулей. Проанализирован вариант применения специального алгоритма обучения. Рассмотрены перспективы дальнейшей модернизации и программной реализации системы на модульной основе для тестирования и апробации в спортивных клубах, специализированных аналитических центрах и других спортивных организациях.
The article describes the feasibility of creating a software system based on artificial intelligence tools and methods for predicting sports results in individual and team sports. The modular structure of the system prototype based on the use of different models of artificial neural networks in each module is presented. The following models are used: cascade neural network, generalized regression neural network, neural network with radial basis functions and neural network of vector quantization of signals. Variants of modules modification are given. The structure of the neural network of vector quantization and the method of its application in the prediction are described. As an example of modification, the structure of the system with the pipelining of neural networks is considered. Experiments using a neural network of vector quantization of signals to predict the outcome of the fight in mixed martial arts between Russian Habib Nurmagomedov and American Dustin Porier are described in detail. Recommendations are given to the user on the formation of specialized training samples and the training phase of various modules. The option of applying a special learning algorithm is analyzed. The prospects of further modernization and software implementation of the system on a modular basis for testing and testing in sports clubs, specialized analytical centers and other sports organizations are considered.
1. The Olympic Textbook of Science in Sport (The Encyclopedia of Sports Medicine) / еditor R. Maughan. Oxford: Wiley-Blackwell, 2009. 440 p.
2. Дагаев Д.А. Анализ данных в спорте: взаимодействие учёных, клубов и федераций. Лекция в Яндексе. [Электронный ресурс]. URL: https://habr.com/ru/company/yandex/blog/3519 (дата обращения: 01.09.2019).
3. Бурева В.К., Стоянов Е.И. Применение методов искусственного интеллекта в спорте // Актуальные вопросы технических наук: материалы III Междунар. науч. конф. (г. Пермь, апрель 2015 г.). Пермь: Зебра, 2015. С. 1–12. [Электронный ресурс]. URL: https://moluch.ru/conf/tech/archive/125/7831/ (дата обращения: 01.09.2019).
4. Machine Learning and Data Mining for Sports Analytics ECML/PKDD 2013 workshop, (27 September 2013). Prague, Czech Republic. [Electronic resource]. URL: https://dtai.cs.kuleuven.be/events/MLSA13/ (date of access: 01.09.2019).
5. Acikkar M., Akay M. Support vector machines for predicting the admission decision of a candidate to the School of Physical Education and Sports at Cukurova University. Expert Systems with Applications. 2009. vol. 36 (3). Part 2. Р. 7228–7233.
6. Жуков С.В., Зеленский А.В. Использование нейронных сетей в построении оптимальной тренировочной траектории в биатлоне // Учёные записки университета им. П.Ф. Лесгафта. 2017. № 5(147). С. 81–88.
7. Perl J. Neural network-based process analysis in sport. In J.R.R. Dopico, J. Dorado de la Calle & A.P. Sierra (Eds.). Encyclopedia of artificial intelligence. III. 2008. P. 1212–1218.
8. Касюк С.Т., Вахтомова Е.М. Использование нейронных сетей для анализа и прогнозирования данных в физической культуре и спорте // Учёные записки университета им. П.Ф. Лесгафта. 2013. № 12 (106). С. 72–79.
9. Крутиков А.К., Клюкин В.Л., Подковырин В.Д. Нейронная сеть радиально-базисных функций в системе прогнозирования спортивных результатов // Общество. Наука. Инновации (НПК-2018): сборник статей XVIII Всероссийской научно-практической конференции. Киров: ВятГУ, 2018. С. 438–444.
10. Мельцов В.Ю., Подковырин В.Д., Клюкин В.Л., Крутиков А.К. Использование каскадной нейронной сети прямой передачи для прогнозирования спортивных достижений в толкании ядра // Научно-технический вестник Поволжья. 2018. № 4. С. 136–139.
11. Мельцов В.Ю., Крутиков А.К., Долженкова М.Л., Чистяков Г.А., Подковырин В.Д. Применение нейросетевых алгоритмов кластерного анализа при решении задач прогнозирования спортивных событий // Научно-технический вестник Поволжья. 2018. № 12. С. 250–252.
12. Крутиков А.К. Особенности обучения нейронной сети векторного квантования при разработке специализированного программного модуля // Южно-Сибирский научный вестник. 2019. № 2 (26). С. 150–154.
13. Fight Time. Информационный портал о смешанных единоборствах, рейтинги: Хабиб Нурмагомедов. [Электронный ресурс]. URL: https://fighttime.ru/fighters/56035/Khabib-Nurmagomedov.html (дата обращения: 01.09.2019).
14. Fight Time. Информационный портал о смешанных единоборствах, рейтинги: Дастин Порье. URL: https://fighttime.ru/fighters/50529/Dustin-Poirier.html (дата обращения: 01.09.2019).
15. Meltsov V.Y., Lesnikov V.A., Dolzhenkova M.L. Intelligent system of knowledge control with the natural language user interface. Quality Management, Transport and Information Security, Information Technologies: Proceedings of the 2017 International Conference. 2017. Р. 671–675.