CC BY
42МЕТОДИКА ОПРЕДЕЛЕНИЯ РАВНЫХ ПО ТЕХНИКЕ ИГРОКОВ В КОМАНДЕ ВЫСОКОКВАЛИФИЦИРОВАННЫХ ВОЛЕЙБОЛИСТОВ
Брежнев А.М., Зезюлин В.Т., Брежнев Т. А., Зезюлин С.В.
Технологический институт Восточно-Украинскогонационального университета имени Владимира Даля (г.
Северодонецк)
Аннотация. В работе представлена методика определения равных по технике игроков на предстоящую игру на основе применения сети Кохонена. Настройка сети производится по оценкам двух предыдущих игр и прогнозируемых оценок на предстоящую игру. Сеть Кохонена должна иметь следующие параметры: размер по горизонтали - В, размер по вертикали б, форма ячеек - прямоугольная функция близости - ступенчатая, фиксированное количество кластеров, равное количеству игроков заявленных на игру.
Ключевые слова: волейбол, нейронная сеть, кластер, оценка, прогноз
Анотація. Брежнєв О.М., Зезюлін В.Т., Брежнєв Т.О., Зезюлін С.В. Методика визначення рівних за технікою гравців в команді висококваліфікованих волейболістів. У роботі представлена методика визначення однакових за технікою гравців на майбутню гру на основі застосування мережі Кохонена Настроювання мережі проводиться за оцінками двох попередніх ігор і прогнозованих оцінок на майбутню гру. Мережа Кохонена повинна мати наступні параметри: розмір по горизонталі - В, розмір по вертикалі б, форма осередків - прямокутна, функція близькості - східчаста, фіксована кількість кластерів, рівна кількості гравців, що заявлені на гру.
Ключові слова: волейбол, нейронна мережа, кластер, оцінка, прогноз.
Annotation. Bregnev A.M., Zezyulin V.T., Bregnev T.A., Zezyulin S.V. Definition method of technically equal players in a command of professional volleyball. The procedure of determination of equal sportsmen on a play on forthcoming play is in-process introduced on the basis of application of net Kohonen. Set-up of a net is effected on assessments of two previous plays and forecast assessments on a forthcoming play. Net Kohonen should have the following parameters: the dimension on level - В, the dimension on a vertical б, the form of alveoles - rectangular, function of proximity - ladder-shaped, the fixed quantity of clusters, equal to quantity of players stated on a play. Keywords: volleyball, neural network, cluster, estimation, forecast.
Введение.
Немаловажным фактором, определяющим результат игры, является своевременность и оптимальность замен игроков Пока еще эта область является сферой компетенции тренера и использования им неформализованных, субъективныхподходов к решению задачи замены игроков Естественно, что у опытного тренера существуетсвое мнение об уровне подготовки каждого игрока команды Но оно субъективно и тренер иногда смягчает оценку действий игрока Часто это происходит в соответствии с известным принципом «запоминается последнее»: если игрок удачно сыграл в заключительной фазе игры, но неважно провел в целом всю игру, то у тренера все равно остается впечатление о хорошем уровне подготовки этого игрока. Поэтому необходима объективная классификация игроков по уровню игровой подготовленности и составление карты эквивалентных замен, которая составлялась бы по множеству оценок технических действий, выполненных в прошедших календарных играх.
К оценке игровой подготовленностиволейболистов существуют различные подходы Один из подходов базируется на статистических оценках функционального и психофизиологическогосостояния игроков [1]. Этот подход требует много времени на проведение специальных тестов FWC17G (кг м/мин) и FWC17G (кгм/мин*кг) для оценки функционального состояния организма и корректурноготеста с определением объема внимания, объема воспринимаемой информации и скорости ее переработки для оценки психофизиологическогосостояния высококвалифицированных волейболистов. Вследствие этого такой подход неприменим в ходе соревновательной деятельности.
Второй подход исповедует тезис, что игровая подготовленность волейболистов наиболее полно проявляется в соревновательной деятельности, позволяющей получить информацию о сильных и слабых сторонах подготовки и внести необходимые коррективы Этот подход базируется на методиках оценки результативности технических действий волейболистов в процессе игры. В литературе описаны две методики оценивания технических действий - методика, разработанная в Луганском национальном педагогическом университете [2] и в технологическом институте Восточно-Украинского национального университета имени Владимира Даля (г. Северодонецк) [3]. Эти методики дают различную детализацию видов технических действий и различные шкалы для их оценивания.
Цель, задачи работы, материал и методы.
Целью работы является выбор методики оценивания технических действий и определение методики классификации игроков по множеству оценок технических действий и использования этой информации для формирования сбалансированного состава команды и проведения замен во время календарных игр.
Результаты исследования.
Анализ методик оценивания технических действий, описанных в [2] и [3] проводился с использованием следующих критериев: количество оцениваемых видов технических действий, наличие шкал оценок каждого технического действия и формул расчета интегральных показателей качества игры. Анализ показал, что
© Брежнев А.М., Зезюлин В.Т., Брежнев Т. А., Зезюлин С.В., 2GG9
предпочтение следует отдать методике оценивания технических действий, разработанной в технологическом институте (г. Северодонецк) [3], по следующим причинам:
- большая детализация видов технических действий - выделено 7 различных технических действий:
1) подача - обычная, укороченная планирующая, силовая, в прыжке;
2) прием - снизу, сверху;
3) передача стоя - высокая, средняя, «прострел», «взлет», «зона», из-за головы, в комбинации, доигрывание, задняя линия;
4) передача в прыжке - высокая, средняя, «прострел», «взлет», «зона», из-за головы, в комбинации, доигрывание, задняя линия;
5) нападающий удар - высокий, доигрывание, в комбинации, «прострел», «взлет», «зона», «волна», с одной ноги, с задней линии, с переводом;
6) блокирование - одиночное, групповое, «ловящее», «зонное»;
7) игра в защите - сверху, снизу, в падении;
- четкая градация качества выполнения каждого технического действия с привязкой к количественной шестибальной шкале;
- наличие формул для расчета интегральных показателей эффективности и качества игры, как каждого игрока, так и команды в целом.
Для достижения сформулированных целей были привлечены новые научные методы под общим названием data mining, хорошо зарекомендовавшие при решении подобных проблем [4, 5, б]. Нейронные сети Кохоненавходят в состав средств data mining и применяются для решения задач классификации, кластеризации и др. Основным отличием данной технологии от нейросетей, обучаемых по алгоритму обратного распространения, является то, что при обучении используется метод обучения без учителя, то есть результат обучения зависит только от структуры входных данных.
Алгоритм функционирования сети Кохонена представляет собой один из вариантов кластеризации многомерных векторов Кластером будет являться группа векторов, расстояние между которыми внутри этой группы меньше, чем расстояние до соседних групп Важным отличием алгоритма сети Кохонена является то, что в нем все нейроны (узлы, центры классов) упорядочены в некоторуюструктуру(обычно двумерную сетку). Нейроны располагаются в узлах двумерной сетки с прямоугольными или шестиугольными ячейками. На рисунке І дан пример расположения нейронов для шестиугольной и четырехугольнойсеток
а) б)
Рис. 1. Расположение нейронов в узлах 6-угольной и 4-угольной сеток
В ходе обучения модифицируется не только нейрон-победитель, но и его соседи. За счет этого сети Кохонена считаются одним из методов проецирования многомерного пространства в пространство с более низкой размерностью. При использовании этого алгоритма вектора, схожие в исходном пространстве, оказываются рядом и на полученной карте. В терминах решаемой задачи это означает: если вектора оценок нескольких игроков оказываются в одном кластере, следовательно эти игроки примерно одинаковы по своим техническим возможностям на данный момент времени. Количество нейронов в сетке определяет степень детализации результата работы алгоритма, и, в конечном счете, от этого зависит точность обобщающей способности сети. Успех использования алгоритма в большой степени зависит от подходящего выбора начального радиуса обучения Радиус обучения - это параметр, который определяет, сколько нейронов кроме нейрона-победителя участвуют в обучении Обычно начальное значение радиуса принимается равным не более половины размера карты нейронов.
Составление карты возможных замен на предстоящую игру выполняется в два этапа. На первом этапе производится обучение сети с помощью данных об оценках технических действий игроков в двух предыдущих играх: оценки за позапрошлую игру задаются как входные значения, а оценки за прошлую игру - как выходные данные. В таблице 1 приведены оценки выставленные игрокам волейбольной команды высшей лиги "Северодончанка" за две последовательно проведенные игры с командами «Галичанка» (Тернополь) и «Джинестра» (Одесса).
Таблица 1.
Данные для формирования обучающих образцов | ФИО | Амплуа | «Галичанка»(Тернополь) | «Джинестра»(Одесса) |
а е и & е да а а н к о л ю в а ■е ■е т К а е и & е й да а а н к о л ю В а ■е ■е т К
входные вектора выходные вектора
Якушева нападение 3.33 3.68 1.79 3.64 2.80 2.86 4.17 1.76 1.32 2.46
Андрусенко нападение 3.33 4.38 2.50 2.50 3.33 3.64 3.49 2.14 4.06 3.60
Савенчук нападение 5.00 3.75 1.25 1.36 2.50 0.00 3.64 1.88 4.00 3.44
Цолина нападение 2.50 4.69 3.57 1.43 3.38 2.50 4.00 0.00 1.88 2.90
Юрченко 1-й темп нап. 2.50 4.44 3.33 3.00 3.50 0.00 4.00 3.81 2.86 3.72
Рогаль связующая 0.00 0.00 1.00 0.00 0.50 0.00 5.00 0.63 0.38 1.20
Курило либеро 5.00 0.00 0.00 2.73 3.85 3.33 0.00 0.00 1.67 2.27
На основании данных таблицы 1 с помощью разработанного авторами метода прогнозирования спортивных результатов игроков рассчитываются возможные оценки по каждому техническому действию на предстоящую игру для каждого игрока [6]. Для получения прогнозируемого распределения игроков формируется таблица 2, в которой входные вектора составляются из оценок за прошлую игру, а выходные - из прогнозируемых оценок на предстоящую игру.
Таблица 2.
Данные для формирования тестовых векторов
ФИО Амплуа «Джинестра»(Одесса) «Круг»(Черкассы)
прием е й да а а н к о л ю защита ■е ■е т К прием нападение блок защита ■е ■е т К
входные вектора выходные вектора(прогноз)
Якушева нападение 2.86 4.17 1.76 1.32 2.46 0.90 4.26 1.29 3.37 3.34
Андрусенко нападение 3.64 3.49 2.14 4.06 3.60 2.76 3.99 2.15 2.22 2.84
Савенчук нападение 0.00 3.64 1.88 4.00 3.44 1.57 4.74 1.59 0.49 1.86
Цолина нападение 2.50 4.00 0.00 1.88 2.90 2.68 3.35 0.97 2.33 2.66
Юрченко 1-й темп нап. 0.00 4.00 3.81 2.86 3.72 1.90 3.81 1.75 1.63 3.31
Рогаль связующая 0.00 5.00 0.63 0.38 1.20 0.14 4.825 0.466 1.015 1.97
Курило либеро 3.33 0.00 0.00 1.67 2.27 2.73 1.98 0.09 0.79 1.50
Исследования проводились с помощью пакета Бе^сЮг (разработчик - компания ВаБеОгоир ЬаЬБ http://www .basegroup.ru/').
Для проведения кластеризации использовалась карта Кохонена оптимальные параметры которой для решения данной задачи были определены в [5]: размер по горизонтали - 8, размер по вертикали 6, форма ячеек -прямоугольная функция близости - ступенчатая, фиксированное количество кластеров - 7. Критерии остановки процесса обучения: максимальная ошибка обучения не более 0.05, количество распознанных образцов - 100%. Количество кластеров выбирается равным количеству игроков, заявленных на игру.
Распределение игроков по кластерам выполнялось в рабочем режиме сети Кохонена при неизменных весовых коэффициентах. В результате было получено распределение, данные о котором приведены в колонке "прогноз" таблицы 3. Для проверки точности полученных результатов после игры с командой "Круг"(Черкассы) было выполнено распределения игроков по кластерам на основе реальных оценок, выставленных за технические действия в проведенной игре, данные о котором приведены в колонке "после игры" таблицы 3.
Таблица 3.
Сравнение результатов кластеризации
ФИО Амплуа Номера кластеров
прогноз после игры
Якушева нападающая 4 4
Андрусенко нападающая 0 6
Савенчук нападающая 0 6
Цолина нападающая О 6
Юрченко 1-й темп нап. 1 О
Рогаль связующая 4 2
Курило либеро 4 2
При сравнении главным является не номер кластера, а то, какие игроки попали в один и тот же кластер. Сравнение данных показывает высокую степень совпадения результатов распределения по кластерам на основе прогнозируемых и фактических оценок технических действий. Наблюдается различие результатов только по одному игроку (Якушева).
Выводы.
Для определения в команде высококвалифицированных волейболистов групп игроков, примерно одинаковых по своим техническим возможностям на данный момент времени, целесообразно применение сетей Кохонена настройка которых производится по результатам двух предыдущих игр и прогнозируемых оценок на предстоящую игру. Сеть Кохонена должна иметь следующие параметры: размер по горизонтали - В, размер по вертикали 6, форма ячеек - прямоугольная, функция близости - ступенчатая, фиксированное количество кластеров, равное количеству игроков заявленных на игру.
Дальнейшие исследования предполагается провести в направлении большей детализации оценок деятельности игрока в процессе игры - введение оценок за инициативность, нестандартность решений и т.п., - и использования их для повышения точности оценки степени подготовленностик предстоящей игре.
Литература.
1. Носко Н.А., Маслов В.Н. Определение критериев функционального состояния волейболистов -http://lib.sportedu.ru/books/xxpi
2. Кудряшов Е.В., Мищенко А.А. Контроль за уровнем игровой подготовленности волейболисток//Физическое воспитание студентов творческих специальностей: Сб. научнтр. под ред. Ермакова С. С. - Харьков: ХГ АДИ (ХХПИ), 2ОО2. - №7. - 92 с.
3. Брежнев А.М., Зезюлин В.Т., Брежнев Т.А., Зезюлин С.В. Методика и средства контроля игровой подготовленности волейболистов.//Питання впровадження кредитно-модульно-рейтингової системи у навчальний процес: Матеріали конференції - Г орлівка Університет «Україна», 2ОО7. - с. 132 - 137.
4. Барсегян А. А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. - СПб.: БХВ-Петербург, 2ОО4. - 336 с.
5. Брежнев Т.А. Оценка эффективности методов data mining для определения степени готовности волейболистокк игре // в сб. «Технологія - 2ОО7 / СТІ СНУ ім. В.Даля» - Северодонецк 2ОО7.- 85 с.
6. Брежнев А.М., Зезюлин В.Т., Брежнев Т.А., Зезюлин С.В. Методика определения стартового состава игроков в команде высококвалифицированных волейболистов//Педагогіка, психологія та медико-біологічні проблеми фізичного виховання і спорту: наукова монографія за редакцією проф. Єрмакова С.С.
- Харків: ХДАДМ (ХХПІ), 2ОО8.-№1О.- с. 23 - 26.
Поступила в редакцию О2.О3.2ОО9г.
breinev@homelan.lg.ua
