|сгенерировать QR код
Открытый доступ
Только для подписчиков
Генетические алгоритмы и машинное обучение для оптимизации тренировок спортсменов
Аннотация
В статье представлены результаты применения авторского программного решения на основе генетических алгоритмов, предназначенного для диагностики физического состояния спортсмена и подбора индивидуального режима тренировок.
Об авторах
С. Петров
Гродненский государственный университет им. Янки Купалы (ГрГУ)
Беларусь
Беларусь
Сергей Петров, доцент кафедры теории физической культуры и спортивной медицины, кандидат медицинских наук, магистр технических наук
А. Кадан
Гродненский государственный университет им. Янки Купалы (ГрГУ)
Беларусь
Беларусь
Александр Кадан, заведующий кафедрой системного программирования и компьютерной безопасности, кандидат технических наук, доцент
С. Зайкова
Гродненский государственный университет им. Янки Купалы (ГрГУ)
Беларусь
Беларусь
Светлана Зайкова, доцент кафедры системного программирования и компьютерной безопасности, кандидат физико-математических наук
Н. Жёсткин
Гродненский государственный университет им. Янки Купалы (ГрГУ)
Беларусь
Беларусь
Никита Жёсткин, студент факультета математики и информатики
Список литературы
1. А.И. Урбанович, А.М. Кадан, С.А. Зайкова. Кроссплатформенное приложение для диагностики и профилактики тиннитуса // Наука и инновации. 2022. №6. С. 80–83.
2. Петров С.В. О вкладе частоты сердечных сокращений и систолического выброса крови в формирование минутного объема кровообращения / С.В. Петров // Вопросы экспериментальной и клинической физиологии: сборник научных трудов, посвященный 100-летию со дня рождения Аринчина Н.И.– Гродно, 2014. С. 246–251.
3. С.В. Петров, Е.М. Балдин, В.Е. Лявшук. R: GUI на примере. Оснастите свои статистические приложения графическим интерфейсом // Linux Format. 2010. №3(129). С. 62–65.
4. Введение в машинное обучение и искусственные нейронные сети // https://foobar167.github.io/page/vvedeniye-v-mashinnoye-obucheniye-i-iskusstven nyye-neyronnyye-seti.html.
5. Мищенко В.А. Использование генетических алгоритмов в обучении нейронных сетей / Мищенко В.А, Коробкин А.А. // https://science-education.ru/ru/article/view?id=5138.
6. Абахин А.В. Технология планирования микроциклов подготовки спортсменов в циклических видах спорта с использованием имитационного моделирования / А.В. Абахин [и др.] // http://prosportlab.com/works/pedagogy/work-5.
7. Soetaert K. Solving ODEs, DAEs, DDEs and PDEs in R / K. Soetaert, T. Petzoldt // Journal of Numerical Analysis, Industrial and Applied Mathematics (JNAIAM). 2011. №6(1–2). P. 51–65.
8. Scrucca L. GA: A Package for Genetic Algorithms in R // Journal of Statistical Software. 2013. №53(4). P. 21–37.
9. Scrucca L. On some extensions to GA package: hybrid optimisation, parallelisation and islands evolution // The R Journal. 2017. №9(1). P. 187–206.
Рецензия
Для цитирования:
Петров С., Кадан А., Зайкова С., Жёсткин Н. Генетические алгоритмы и машинное обучение для оптимизации тренировок спортсменов. Наука и инновации. 2023;1(12):48-51.
For citation:
Petrov S., Kadan A., Zaikova S., Zhestkin N. Genetic algorithms and machine learning to optimize athletes' training. Science and Innovations. 2023;1(12):48-51. (In Russ.)
Просмотров: 62
Послать статью по эл. почте 