УПРАВЛЕНИЕ ТЕХНИЧЕСКОЙ ПОДГОТОВКОЙ СПОРТСМЕНОВ С ИСПОЛЬЗОВАНИЕМ МОДЕЛИРОВАНИЯ

К ЗАЩИТЕ ДОКТОРСКОЙ ДИССЕРТАЦИИ

Abstract

USE OF МО DELING IN TECHNICAL TRAINING'S IN CONDUCTING SPORТ

Shestakov M.P., Ph.D., assistant professor

Russian State Academy of Physical Education

Key words: technical training, modeling, neuron network, biomechanism.

The research is aimed at theoretical and experimental substantiation of innovative methods of perfection of technical training in sport on the base of computer modeling.

The article draws attention to the fact that the answering many questions in the theory of technical training in sport is closely connected with analyzing alteration or stability of performing the so called motor programs. The object of the theory of technical training are programs (images) of theoretical notions and motor realization of purposeful motive actions in the highest sections of brain. Their presence as well as the level of their development are detected during motive activity. The subject of the theory of technical training consists in regularities of formation of motive abilities and skills.

The author comes to the conclusion that the notion "biomechanism " and neuron network being ideal images, serve the base for the theory of technical training in sport. Practical use of the ready matrixes of neuron networks in various sports will allow to optimize the real training process taking into consideration individual peculiarities of sportsmen.

УПРАВЛЕНИЕ ТЕХНИЧЕСКОЙ ПОДГОТОВКОЙ СПОРТСМЕНОВ С ИСПОЛЬЗОВАНИЕМ МОДЕЛИРОВАНИЯ

Кандидат педагогических наук, доцент М.П. Шестаков
Российская государственная академия физической культуры, Москва

Ключевые слова: техническая подготовка, моделирование, нейронная сеть, биомеханизм

Динамика роста спортивных результатов в значительной степени является следствием совершенствования организации процесса тренировки. Большое значение для эффективности спортивной тренировки имеет правильное управление ею. Научно обоснованное управление невозможно осуществить только посредством анализа планов подготовки ведущих спортсменов, копирования их "секретов" без приспособления к индивидуальным особенностям конкретного спортсмена. При правильной постановке дела практическому построению тренировки в каждой ее фазе и стадии предшествует ее мысленное конструирование (планирование развертывания тренировочного процесса в желаемом направлении). Составные части процесса управления:

планирование, практическое построение и контроль тренировки составляют, как известно, принципиально неразрывный круг операций, постоянно воспроизводимый по мере развития тренировочного процесса. Построение алгоритма мыслительного действия, или, другими словами, алгоритм принятия решений [I], создалось до недавнего времени исключительно на основе опыта самого человека и его профессиональной интуиции. В последние несколько лет потребовалось адаптировать научные исследования к изменяющимся условиям, применив вычислительную технику. А это заставило заняться моделированием формирования алгоритма принятия решений. В подобных случаях прибегают к методу моделирования изучаемых систем, который нашел широкое применение в современной науке. В рамках системного подхода модели рассматриваются как главный инструмент в управлении сложными системами. Требования к модели обычно задаются следующим образом: модель должна быть устойчивой, то есть различные отклонения, возникающие под влиянием возмущающих сигналов, со временем должны затухать; реакция модели на входные сигналы должна качественно совпадать с поведением реального объекта. Создание математических моделей фактически является теоретическим отображением изучаемого биологического объекта. В связи с трудностью, продолжительностью и рядом других сложностей, возникающих при проведении экспериментов в области биологии, математические модели в таких исследованиях попросту незаменимы. Модели используются и в случаях, когда необходимо предвидеть некоторый результат при известных начальных условиях опыта или же когда постановка опыта невозможна в связи с необходимостью проведения исследований на грани предельных возможностей организма [2].

Рис. 1. Логическая схема организации тренировочного процесса

Создание планов и их корректировка связаны с прогнозированием поведения объектов управления и вместе входят в состав процессов планирования. В трудах известных отечественных педагогов А.Д.Новикова и Н.Г. Озолина еще в начале 50-х годов было высказано предположение о том, спортивная тренировка должна осуществляться согласно требованиям, предъявляемым к строго управляемым процессам. Сложность управления в спортивной тренировке заключается в том, что нет возможности непосредственно управлять изменением спортивных результатов. Фактически тренер управляет лишь действиями (или, как иначе говорят, поведением) спортсмена: он задает ему определенную программу упражнений (тренировочную нагрузку) и добивается ее правильного выполнения, в частности правильной техники движений [3]. В системе программного управления ходом тренировочного процесса в спорте субъект (тренер) и объект управления (спортсмен) взаимодействуют между собой и с внешней средой посредством информации (рис.1). Управление спортсменом осуществляется при наличии у тренера следующей информации: целевых требований к изменению морфоструктур в организме спортсмена, а как следствие - достижений в определенных тестах, критериев (уровней) технической подготовленности спортсмена, по которым отбираются варианты достижения цели. Определим понятие "техническая подготовка спортсмена" как процесс, направленный на сознательное изменение поведения спортсмена, в соответствии с задачами его спортивной деятельности. Так как решение стоящих перед спортсменом задач происходит посредством выполнения определенных движений, то в данном случае говорится о процессе, связанном с практическим осуществлением произвольных двигательных действий (и способами их использования), выполняемых в соответствии с задачами и правилами соревнований. Объектом теории технической подготовки являются программы (образы) теоретических представлений и моторных реализации целенаправленных двигательных действий в высших отделах головного мозга. Наличие и количественная оценка степени их совершенства выявляются в ходе двигательной деятельности. Предметом теории технической подготовки следует признать закономерности формирования двигательных умений и навыков. В соответствии с определенными выше объектом и предметом, а также с логикой развития теоретического исследования основными задачами теории технической подготовки являются следующие:

- разработка умозрительных и математических моделей опорно-двигательного аппарата и центральной нервной системы;

- разработка методов формирования произвольных программ двигательных действий;

- разработка методов перестройки программ произвольного управления моделями опорно-двигательного аппарата спортсмена;

- разработка методов контроля за уровнем технической подготовленности, а также за содержанием технической подготовки;

- планирование технической подготовки.

Сущность (основная задача) технической подготовки спортсмена (процесс управления) заключается в выработке методики (соответствующих планов) тренировки с учетом заданных целей, критериев и информации о строении организма, законах его функционирования и развития. При этом необходимым является обеспечение стабильного, сбалансированного по ресурсам и срокам (при заданных ограничениях) функционирования объекта при стремлении достичь поставленной им цели. Субъекты управления (на что направлено воздействие) - основные морфоструктуры организма спортсмена, эффективное управление которым невозможно без широкой всесторонней оценки всех возможных и планируемых результатов его деятельности.

Вопросы теории технической подготовки связаны с исследованиями изменений или стабильностью выполнения так называемых моторных программ. Можно предположить, что при выполнении спортсменом определенных движений или перемещений работают некие программы действий, каждая из которых базируется на моторной программе. Программа действия - это модель того, что произойдет с организмом в будущем, ее можно рассматривать как формирование логики, алгоритма, функциональной структуры в предстоящем двигательном действии. Такая функциональная структура опирается на прошлый опыт, записанный в памяти с вероятностью, равной единице, и актуальное настоящее, куда входит не только изменчивая окружающая среда, но и организм с его потребностями. В результате планируется будущий поведенческий акт, в котором необходимо с той или иной вероятностью предвидеть возможные изменения в непредсказуемо изменчивой среде. Возможность осуществлять осознанные движения предполагает, что человек имеет возможность управлять, с большей или меньшей точностью, целенаправленными движениями всего тела или отдельных его частей. Предположительно понятие "биомеханизм" [12] и положения теории нейронных сетей могут служить основой для теоретического обоснования процесса технической подготовки в спорте [14].

Биомеханизмом назовем такую совокупность движений частей тела, независимую от движений других его частей, преобразующих один вид энергии в другой, в результате чего изменяется положение и скорость общего центра масс тела спортсмена при решении определенной двигательной задачи [13,14].

Построить движение (технику) это значит:

- сформулировать цель движения;

- задать начальные условия, т.е. позу и кинетические показатели;

- определить биомеханизмы, т.е. способы преобразования энергии мышц в целесообразную двигательную деятельность;

- распределить реализацию биомеханизмов во времени;

- реализовать теоретическую разработку двигательного действия [13].

Высказано предположение, что цель движения, которая решается при действии какого-либо биомеханизма, воспринимается сознанием, следовательно, возможно управление и сознательное изменение этих явлений.

Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты для использования в новых случаях и извлекают самое существенное из поступающей информации, содержащей излишние данные [4]. Искусственные нейронные сети могут менять свое поведение в зависимости от внешней среды. После предъявления входных сигналов (возможно, вместе с требуемыми выходами) они самонастраиваются, чтобы обеспечить требуемую реакцию [5, 6, 7, 8]. Отклик сети после обучения может быть до некоторой степени нечувствителен к небольшим изменениям входных сигналов. Эта внутренне присущая способность видеть образ сквозь шум и искажения жизненно важна для распознания образов в реальном мире [9, 10, 11]. Что такое нейронная сеть? Прежде всего пусть вас не вводит в заблуждение употребление слова "нейро". Словосочетание "теория нейронных сетей" - не более чем обобщенное название вполне конкретной и формальной области математики. С математической точки зрения нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов - нейронов (рис. 2).

Рис.2. Пример модели нейронной сети

Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два - три), среди которых выделяются входной и выходной. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а выходной слой сигнализирует о возможной реакции на эту ситуацию. Перед постановкой на "боевое дежурство" нейронная сеть проходит специальный этап настройки - обучение. Как правило, сети предъявляют большое количество заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети.

Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки (в большинстве случаев корректируются веса соединений). После определенного периода обучения сеть достигает состояния, соответствующего минимальной суммарной ошибке. Для некоторых задач суммарная ошибка составляет 2-3 %, для других может доходить до 10-15%. Использование моделей нейронных сетей включает в себя определение и анализ как большого количества параметров, так и больших массивов данных. Доступность программного обеспечения с интерактивным графическим интерфейсом пользователя облегчает развитие таких моделей.

Моделирование процесса совершенствования техники прыжка вверх с места. Целью двигательного действия является достижение максимальной высоты взлета общего центра масс тела (о.ц.м.т.). Для осуществления прыжка вверх с места используются:

биомеханизм разгибания ног и туловища (БРНТ);

биомеханизм маховых звеньев (БМЗ) [12].

Входами для такой сети будут интегральные показатели, характеризующие уровень физической подготовленности, биомеханизма разгибания ног и туловища, биомеханизма маховых звеньев; выходом -результат в прыжках вверх с места. Строго говоря, используется более сложная модель, которая предусматривает такое же управление для каждого из суставов, в каждом из биомеханизмов [14]. Но для наглядности возможно принятое упрощение модели.

Таким образом, нейронная сеть для моделирования процесса управления прыжком вверх с места будет иметь три входных показателя и один выходной.

Методика применения тренировочных средств	Прирост результата, см	Длительность обучения, такты
Последовательное применение средств СФП и ТП	8,3	564	25
Одновременное применение	7,9	916	21
средств СФП и ТП	5,2	600	44
Только средства ТП	4,1	382	23
Только средства СФП	2,4	286	28

Для получения обучающего набора пар вход-выход был проведен эксперимент с участием 93 студентов 3-го курса РГАФКа различных специализаций. Участники эксперимента выполняли прыжок вверх с места с целью показать максимальный результат в прыжке. Анализ кинематических показателей прыжков, записанных на видеомагнитофоне, выполнялся на компьютере с помощью программы обработки видеоизображений.

После настройки и проведения обучающей процедуры нейронной сети была получена настроенная матрица с показателем rms-ошибки, равным 0,048, что в целом можно считать удовлетворительным.

Задача модельного эксперимента заключалась в сравнении различных методик тренировки, которые могут использоваться в ходе реального тренировочного процесса. Процесс совершенствования техники прыжка вверх осуществлялся путем представления с определенного момента нейронной сети "тренировочных планов" (пар вход-выход), имитирующих реальные. Например, при использовании в ходе тренировки только средств технической направленности без предварительного изменения показателя, характеризующего уровень развития специальной физической подготовленности, определялись максимальный прирост результата и время обучения сети. При этом в ходе обучения находили максимальный результат, который может быть достигнут при определенных значениях показателя специальной физической подготовки (СФП).

В таблице представлены результаты моделирования использования различных методик в ходе тренировочного процесса по совершенствованию прыжка вверх с места.

Анализ полученных данных показывает, что методика тренировки с одновременным использованием средств СФП и технической подготовки (ТП) требует большего времени по сравнению с другими, однако она предпочтительнее по надежности (показатель - ). Следует подчеркнуть, что при использовании только средств технической направленности прирост результата относительно невелик.

Заключение. Понятия "биомеханизм" и "нейронная сеть" как идеальные образы служат основой для построения теории технической подготовки в спорте.

Практическое использование настроенных матриц нейронных сетей в конкретных видах спорта с учетом индивидуальных особенностей спортсмена позволит оптимизировать реальный тренировочный процесс.

Литература.

1. Ладенко И.О., Тулъчинский Г.Л. Логика целевого управления. -Новосибирск: Наука, 1988. - 224с.

2. Друзь В.А. Моделирование процесса спортивной тренировки. -Киев:3доров'я, 1976. -95с.

3. Зациорский В.М. Кибернетика, математика, спорт. -М.:ФиС, 1969. -199с.

4. Rumelhart D.E., Hinton G.E., Williams R.J. Leaning representations by back-propagating errors//Nature. -1986.-Vol.323.-P.533.536.

5. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин.- М.:Наука,1970.-383с.

6. Цыпкш Я.З. Основы теории обучающихся систем.-М.:Наука.1970.-252с.

7. Real Brains, Artificial Minds/ Ed. by J.L. Casti, A. Karlqvist. - North-Holland, 1987. - 226 p.

8. Rumelhart D.E., Hinton G.E., Williams R.J. Leaning internal representations by error propagatioin // Parallel Distributed Processing: Exploration in the Microstructure of Cognition/Ed, by D.E.Rumelhart and J.J.McClelland.- Cambridge, MA: MIT Press, 1986. -Vol.1. -P.318-362.

9. Горбань А.Н. Системы с наследованием и эффекты отбора // Эволюционное моделирование и кинетика.-Новосибирск: Наука Сиб.отд-ние, 1992.-С.42-49.

10. Hopfield J.J. Neural network and physical systems with emergent collective computational abilities // Proc. Nat.Sci.USA.-1982.- Vol.79.- P.2554-2558.

11. Kosko B. Bidirectional Associative Memories//IEEE Trans.on Systems, Man. and Cybernetics. - Jan., 1988.-Vol.SMC-18.-P.49-60.