基于离散Hopfield神经网络的高校体育教练员综合评价模型及其应用.docVIP

基于离散Hopfield神经网络的高校体育教练员综合评价模型及其应用 　　（解放军信息工程大学七院 邮编：450000） 　　摘要：优秀的高校体育教练员对运动队的建设至关重要，对教练员进行科学的考评就显得尤为必要。本文选取了7个重要客观的评价指标，利用离散Hopfield神经网络建立了高校教练员综合评价模型，克服了在大学体育教练员的能力评价中，普遍存在的工作繁琐、时间滞后等缺点。利用本文的模型能够对各种体育项目教练员进行评价，不仅可以简便客观地对教练员进行五级综合评价，也可以对教练员进行准确的排名。 　　关键字：离散Hopfield神经网络 体育教练员 综合评价 　　0 引言 　　古人说得好“千军易得，一将难求”，一名好的教练员，就是一个优秀的指挥员，只有好的教练员才可以带出高水平的运动员，才能塑造一支强大的队伍。提高体育教练员素质已成为现在各个高校甚至各国提高竞技体育科学化训练水平的主要途径，其中对教练员能力进行科学的考评显得尤为重要。 　　在对教练员进行评价时，首先需要确定合理的评价指标，其次，需要有效的评价方法和模型。这样才能客观公正、准确高效地对教练员进行评价。本文根据文献[3]，选取了较为重要的7个影响因素作为教练员的评价指标，并利用离散Hopfield神将网络建立了高校体育教练员综合评价模型，实现了对体育教练员的客观准确高效的评价和排名。 　　1 Hopfield神经网络 　　1.1 选用Hopfield神经网络的原因 　　Hopfield神经网络最初是由美国物理学家J.J Hopfield教授于1982年首先提出的。Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。在输入的激励下，会产生不断的状态变化。Hopfield网络作为一种全连接型的神经网络，它利用与阶层型神经网络不同的结构特征和学习方法，模拟生物神经网络的记忆机理可以获得令人满意的结果。选用Hopfield神将网络进行评价时，过程直观、使用方便、网络联想时间较短，与常用的BP网络相比，网络结构设计较简单，且评价结果一样具有客观性。 　　1.2 Hopfield神经网络结构及算法 　　图1 Hopfield神经网络拓扑结构 　　Hopfield神经网络有两种：离散Hopfield网络（DHNN）和连续Hopfield网络（CHNN）。离散Hopfield网络（DHNN）神经元的输出只取1和-1，分别表示神经元处于激活和抑制状态。对于二值神经元，它的计算公式如下： 　　其中， 为外部输入，当 时有 ，当 时， 。 　　2 基于离散Hopfield神经网络的高校体育教练员综合评价模型 　　2.1 确定评价指标 　　影响评价教练员能力的因素较多，本文根据文献[3]选取较为重要的7个影响因素作为教练员的评价指标：该教练员执教队伍当年参加的比赛数（Games）、当年比赛获胜的次数（Wins）、比赛失败的次数（Losses）、平局次数（Ties）、胜负比（Pct.）、比赛日程强度（SOS），在平均值0的上下取值；简单评级系统（SRS），该指标考虑了平均分差和比赛日程强度，在平均值0的上下取值。在确定评价因素后，本文将教练员能力的评价等级分为五类，即很强（I）、较强（II）、一般（III）、较差（IV）、很差（V）。 　　2.2 设计理想的等级评价指标 　　在设计理想的等级评价指标时，本文根据文献[3]选取2013年足球运动中13位Atlantic Coast Conference Coaches作为参考标准，即作为理想等级评价指标。13位Atlantic Coast Conference Coaches的数据如表1所示，表中的RK参数是指该教练在Atlantic Coast Conference Coaches中的排名。 　　将各个等级的样本对应的各评价指标的平均值作为各个等级的理想评价指标，即作为Hopfield神经网络的平衡点，如表2所示。 　　2.3 理想等级评价指标编码 　　由于离散Hopfield神经网络神经元的状态只有1和-1两种状态，所以将评价指标映射为神经元状态时，需要将其进行编码，编码规则为：当大于或等于某个等级的指标值时，对应的神经元状态设为1，否则设为-1。图2给出了五个等级评价指标编码图，其中黑点表示神经元状态为1，即大于或等于对应等级的理想评价指标值，反之则用白点表示。 　　2.4 待分类的等级评价指标编码 　　本文选取2013年足球运动中13位Atlantic Coast Conference Coaches作为理想评价等级标准，从Big 12 Conference Coaches中选取5位2013年执教教练的数据进行评价分级，表3给出了2013年5位Big 12 Con