Прогнозирование успешности выполнения тяжелоатлетических упражнений с применением нейронной сети

Цель: построение нейронной сети и сравнение ее результатов прогнозирования с результатами известных классификаторов classify и fitcknn системы MatLab©. Материалы и методы. Исходными данными для построения нейронной сети (НС) являлись показатели, характеризующие технику подъема штанги на грудь в удачных и неудачных подходах 17 спортсменов. Использовалась НС прямого распространения с входами по числу показателей, одним внутренним слоем из 20 нейронов и выходным слоем из двух нейронов. Ввиду недостаточности данных необходимо генерирование дополнительных показателей. При генерации использовались два подхода: 1) отдельно для удачных и неудачных подходов были определены несмещенные дисперсии и средние для каждого показателя, и генерация для каждого показателя проводилась по нормальному закону распределения с известным средним и среднеквадратичным отклонением; 2) несмещенные дисперсии и средние для каждого показателя определялись по всему множеству удачных и неудачных подходов, а генерация проводилась для каждого показателя по нормальному закону распределения с известным средним и дисперсией. После увеличения количества данных, подаваемых на вход НС, результаты классификации улучшились. Результаты. Классификация с использованием НС не уступает по точности предсказаний классификатору kNN и значительно превосходит классификатор classify. Заключение. Результаты, полученные с использованием НС, можно применять для оценки вероятности успешного подхода спортсмена на основе его индивидуальных характеристик.