АНАЛИЗ ЗНАЧИМОСТИ ПСИХОФИЗИОЛОГИЧЕСКИХ МАРКЕРОВ СПОРТИВНОЙ ОДАРЕННОСТИ В ВОЛЕЙБОЛЕ С ПОМОЩЬЮ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ Будников В.С.1, Семенов А.В.2, Базарин К.П.3
1Будников Виктор Семенович - генеральный директор;
2Семёнов Александр Валерьевич - руководитель Департамента разработки программных средств,
OOO «ТИВИ АР»;
3Базарин Кирилл Петрович - кандидат медицинских наук, заместитель директора, Красноярский институт развития физической культуры и спорта; г. Красноярск
Аннотация: в работе представлены результаты анализа значимости входных параметров нейросетевой модели для оптимизации процесса спортивного отбора по виду спорта волейбол, основываясь на данных инструментальных психофизиологических исследований. Ключевые слова: волейбол, тестирование, спортивный отбор, нейросети.
УДК: 796.32
В исследовании приняли участие воспитанники КГАУ «СШОР по волейболу «Енисей» имени Э.А. Носкова в возрасте от 12 до 14 лет в количестве 75 человек. Первая группа (Группа А) - воспитанники спортивного класса, сформированная по рейтингу спортивной успешности и анатомо-морфологической предрасположенности к виду спорта волейбол. Вторая группа (Группа Б) - воспитанники спортивной школы тренировочного этапа. Средняя продолжительность занятий в спортивной секции волейбола в обеих группах 3,6 года.
Для исследования использовался аппаратно-программный комплекс "НС-ПсихоТест" (ООО "Нейрософт", Российская Федерация) [3], комплекс стабилометрический ST-150 (ООО «Мера-ТСП», Российская Федерация).
Исследовалась возможность анализа значимости входных параметров нейросетевой модели для оптимизации процесса спортивного отбора по виду спорта волейбол, основываясь на данных инструментальных психофизиологических исследований.
Показатель значимости отражает относительное влияние изменения каждого входного значения на каждое из результирующих предсказаний. Допустим, что у нас есть п входных значений и т выходных категорий. Все эти относительные изменения можно представить в виде матрицы Якоби размером т х п. Для каждой комбинации из пиксельного значения и предсказания данная матрица содержит значение, указывающее, в какой мере входного значения влияет на соответствующее предсказание. Каждое из этих значений является производной от функции ГНС /для предсказания ] относительно изменения конкретного значения г.
Соответственно выражение для всей матрицы будет выглядеть так:
_ д[(\)т
$тп '
дх,
п
Карта значимости s+, показывающая, в какой мере увеличение каждого входного значения влияет на отклик сети, рассчитывается как:
5+(хгД) = <
д/(х); V д/(х)
0, если „ <0 или у V > 0;
дХ; ¿—I дх;
дf(х)j уд/(х)у -----у —--в ином случае.
д х; д х;
у* ;
Аналогично карта б- показывает, в какой мере уменьшение каждого входного значения влияет на отклик сети:
n df(x)j » n 0, если —--> 0 или
j*i
S (Xi, t) = <
dXi
df(x)j ^df(x)j
dxi
T
dxi
в ином случае.
Использовались язык разработки Python 3.9, фреймворк для работы с нейросетями TensorFlow. Нейросеть полносвязная, прямого распространения, была обучена до точности 89%. По представленному выше алгоритму рассчитаны величины значимости всех входных параметров нейросетевой модели. Результаты приведены в таб. 1.
Таблица 1. Результаты величины значимости всех входных параметров нейросетевой модели.
\
Параметр группа Б группа А
Теппинг-тест Уровень начального темпа работы в /гц -0,29 0,18
Средняя частота в/ ГЦ 0,24 -0,22
Усреднённый межударный интервал в /мс 0,26 -0,27
Показатель силы нервной системы /по Е.И. Ильину 0,74 -0,72
Характеристики внимания Объем -0,50 0,52
Распределение -0,33 0,37
Переключаемость -0,23 0,30
Характеристики сенсомоторной реакции Число точных реакций /штук сигналов -0,43 0,47
Число опережений /штук сигналов 0,36 -0,37
Число запаздываний /штук сигналов -0,16 0,18
Сумма времени опережений /мс 0,39 -0,49
Сумма времени запаздываний /мс -0,23 0,22
Скорость сенсомоторной реакции /мс 0,41 -0,35
Среднеквадратичное отклонение /мс 0,86 -0,92
Вес спортсмена /кг 0,10 -0,14
Опорная симметрия X (о), мм 0,35 -0,50
X (з), мм 0,13 -0,24
У^р (о), мм 0,17 -0,15
У^р (з), мм 0,34 -0,38
Балансировочные параметры S (о), мм2 0,05 -0,18
S (з), мм2 0,16 -0,17
V (о), мм/с 0,14 -0,07
V (з), мм/с 0,69 -0,64
Рассмотрим ведущие психофизиологические характеристики, которые оказывают максимальный вклад в результирующий эффект, в соответствии с созданной нейросетевой моделью.
Показатель силы нервной системы по Е.И. Ильину. Для подгруппы А величина значимости составляет -0,72, для подгруппы Б 0,74. Очевидно, что в данном случае отражается тенденция к слабости нервной системы, как показателю предрасположенности к рассматриваемому виду спорта. Преобладание слабого типа нервной системы в игровых и ряде других видов спорта хорошо известно [4]. По всей видимости, это может быть обусловлено тем, что лица со слабой нервной системой обладают большей чувствительностью к различным факторам среды, поэтому они реагируют на слабые и средние по силе сигналы быстрее, в сравнении с лицами с сильной нервной системой [5].
Показатель объема внимания. Для подгруппы А величина значимости составляет 0,52, для подгруппы Б -0,50. Т.е. чем выше показатель объема внимания, тем с большей вероятностью спортсмен оценивается нейросетевой моделью, как спортивно одаренный. Такие характеристики, как распределение и переключамость также важны, но в меньшей степени.
Из характеристик сенсомоторной реакции, ведущее значение имеет среднеквадратичное отклонение, величина значимости которого составляет -0,92 для группы А и 0,86 для группы Б. Таким образом, стабильность сенсомоторной реакции в рассматриваемом виде спорта более важна, чем ее точностные и скоростные параметры.
Из характеристик стабилометрии имеет смысл выделить параметр ^з), отражающий скорость изменения положения центра масс при закрытых глазах. Величина значения этого параметра составила -0,64 для группы А и 0,69 для группы Б, что отражает способность эффективно поддерживать равновесие, не задействуя зрительный анализатор.
Выводы
Продемонстрирована возможность детального анализа вклада отдельных психофизиологических параметров в формирование оптимального профиля спортсмена. Основанный на нейросетевом моделировании, данный подход позволяет выявлять сложные нелинейные зависимости, обнаружение которых традиционными методами статистического анализа затруднено. Таким образом, данный подход может быть использован при формировании нормативных характеристик спортсменов, проведении спортивного отбора.
Список литературы
1. Блинов Н.Г. Практикум по психофизиологической диагностике / Н.Г Блинов, Л.Н. Игишева, И. А. Литвинова, А. И. Федоров// учеб. пособие для студ. высш. учеб. заведений. - М.:ВЛАДОС, 2000. - 128 с.;
2. Челышкова Т.В. Особенности функционального состояния центральной нервной системы студентов в процессе учебной деятельности / Т.В. Челышкова, Н.Н. Хасанова, С.С. Гречишкина, А.А. Намитокова и др// Вестник Адыгейского государственного университета. Серия 4: естественно-математические и технические науки, №9, 2008 с. 71-77;
3. Мантрова И.Н. Методическое руководство по психофизиологической и психологической диагностике ООО "Нейрософт" (Россия, Иваново), 2007 216с.
4. Дроздовский А.К. Проявление типологических особенностей свойств нервной системы спортсменов в разных видах спорта // Рудиковские чтения: материалы XIII междунар. науч.-практ. конф. психологов физической культуры и спорта. - М.: РГУФКСМиТ, 2017. - С. 537-544.
5. Кавокин А.И. Дифференциальная оценка типологических особенностей проявления свойств нервной системы у подростков // Сибирский педагогический журнал. - 2012. - № 5. - С. 155-161.
6. Снесарь М.А., Базарин К.П. РАЗРАБОТКА И АПРОБАЦИЯ МЕТОДИКИ КОМПЛЕКСНОГО ПСИХОФИЗИОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ ДЛЯ ПРОВЕДЕНИЯ СПОРТИВНОГО ОТБОРА ПО ВИДУ СПОРТА «ВОЛЕЙБОЛ» // Наука, образование и культура. 2022. №3 (63).
7. Снесарь М.А., Базарин К.П. ПСИХОФИЗИОЛОГИЧЕСКИЕ МАРКЕРЫ СПОРТИВНОЙ ОДАРЕННОСТИ В ВОЛЕЙБОЛЕ // Наука, образование и культура. 2022. №3 (63).