Журнал СФУ. Гуманитарные науки / О возможности управления тренировочным процессом с использованием прогностических моделей на основе искусственного интеллекта

Полный текст (.pdf)
Номер
Журнал СФУ. Гуманитарные науки. 2025 18 (2)
Авторы
Базарин, К. П.; Барцев, С. И.; Ковалев, В. Н.
Контактная информация
Базарин, К. П.: КГКУ «Красноярский институт развития физической культуры и спорта»; ФГБУН ФИЦ КНЦ СО РАН Обособленное подразделение «Институт биофизики Сибирского отделения Российской академии наук» Российская Федерация, Красноярск; Барцев, С. И.: ФГБУН ФИЦ КНЦ СО РАН Обособленное подразделение «Институт биофизики Сибирского отделения Российской академии наук» Российская Федерация, Красноярск; Ковалев, В. Н.: Сибирский федеральный университет Российская Федерация, Красноярск
Ключевые слова
физическая нагрузка; спорт; нейросети; искусственный интеллект; цифровой двойник; индивидуализация подготовки; цифровизация; physical activity; sports; neural networks; artificial intelligence; digital twin; individualization of training; digitalization
Аннотация

Цель исследования – оценить возможность эффективного применения предиктивных систем на основе искусственного интеллекта для планирования тренировочного процесса. В эксперименте приняли участие 155 спортсменов, представителей различных видов спорта. Мужской пол – 96 человек, средний возраст 24,34±3,54 лет; женский пол – 59 человек, средний возраст составил 23,12±2,3 лет. Контрольная группа состояла из 101 человека, не испытывающих систематических высоких физических нагрузок. Мужской пол – 53 человека, средний возраст 23,17±2,54, женский – 48, средний возраст 22,12±3,01 лет. Был сформирован комплекс нейросетей, позволяющих с высокой точностью прогнозировать ряд ключевых показателей физиологических реакций системы крови в динамике годового тренировочно-соревновательного цикла у квалифицированных спортсменов. Проведена серия виртуальных экспериментов, в которых изучалась возможность избежать развития декомпенсации, варьируя действующие факторы. Средняя точность работы нейросетевой модели составила 96,9 %, что является достаточно высоким показателем для прогнозирования биологических процессов. Результаты виртуальных экспериментов демонстрируют достоверное соответствие подгруппам, в которых реальные действующие факторы соответствовали модельным. Продемонстрирована возможность эффективного применения предиктивных систем на основе искусственного интеллекта для планирования тренировочного процесса

Страницы
410–416
EDN
EPZXKE
Статья в архиве электронных ресурсов СФУ
https://elib.sfu-kras.ru/handle/2311/154958

Лицензия Creative Commons Эта работа лицензируется по лицензии Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0).