基于BP神经网络教练员评估方法.docVIP

基于BP神经网络教练员评估方法 　　【摘要】本文提出了一种基于BP神经网络和归一化处理的教练员执教能力评价方法。优秀教练员的评定标准不应仅依据所指导过的队伍的成绩，这样并不能科学准确、客观全面地反映教练员的水平。所以，考虑多元化原则，为客观科学反映教练员的实际能力，首先以大量数据为基础，计算并选择关于教练员的六项重要指标，再结合文献资料法、筛选法、BP神经网络法等构造评估模型，将归一化的评价指标作为BP神经网络的输入，教练员的综合评估值即为输出。经验证和分析，该模型可以对教练员的执教能力进行客观、合理的综合评估。 　　【关键词】教练员；能力评估；BP神经网络 　　0.引言 　　教练员的评价宗旨在于不断进步、改进、发展，而不仅局限于当前辉煌的证明。因此要从专业能力、训练能力、运动队管理能力、学习能力等方面进行多元化综合评估，从而为体育行业发展提供有效参照。 　　1.总体方案 　　选择教练执教生涯的常规赛胜率、季后赛胜率、常规赛胜率增值、季后赛胜率增值、综合荣誉得分、执教年限几方面作为评价指标。将搜集到的大量数据进行先期筛选，再运用BP神经网络等方法，构建教练能力评估模型，将归一化的评价指标作为BP神经网络的输入，教练员的综合评估值即为输出，由此进行客观、合理的综合评估，以保证很高的正确率和精度。 　　2.评估指标 　　2.1常规赛胜率 　　常规赛胜率表征教练的员平时执教训练能力。该项指标越高，说明平时训练执教的能力越高；反之则越低。 　　常规赛胜率=（常规赛胜场数+常规赛平局数/2）/常规赛总比赛场数。 　　2.2季后赛胜率 　　季后赛的参赛队伍为常规赛中位于前列的队伍，因此该指标可以表征教练员更高层次的经验和水平。 　　季后赛胜率=（季后赛胜场数+季后赛平局数/2）/季后赛总比赛场数。 　　2.3常规赛胜率增值 　　表征教练员与队伍的磨合适应能力、学习能力、创新能力、专业水平提升速度。该指标高，说明教练持续地自我学习能力强，创新能力强、提升速度快。 　　常规赛胜率增值=该教练执教的最后一支队伍常规赛平均胜率-该队伍参加的常规赛在前任教练执教期间的平均胜率。 　　2.4季后赛胜率增值 　　季后赛胜率增值较常规赛胜率增值更进一步表征了2.3中能力。 　　季后赛赛胜率增值=该教练执教的最后一支队伍季后赛平均胜率-该队伍参加的季后赛在前任教练执教期间的平均胜率。 　　2.5综合荣誉得分 　　表征了教练员的专业能力和运动队管理能力。依据教练员指教期间内带领队伍获得的总冠军等奖次，据比赛级别给予不同权值，进行加权所计算出的分数。 　　2.6执教年限 　　即教练员的执教生涯的长度。随着执教年限的增长，经验逐渐积累，外界知识获取量增多，教练的执教能力增强。 　　3.BP神经网络 　　教练员的评价问题具有动态性，随机性和模糊性，表现为非线性动力学过程。BP 神经网络是目前应用较多的一种神经网络结构， 能够实现输入输出的非线性映射关系，具有很好的逼近非线性映射的能力。[1] 　　应用BP网络对某些问题作模糊综合评价的原理是:把用于描述评价对象的特征信息（即指标）作为神经网络的输入向量，将代表相应综合测度的量值作为神经网络的输出；使用网络前，用一些经传统综合测度取得成功的样本训练这个网络，使它所持有的权值系数值经过自适应学习后得到正确的内部表示，训练好的神经网络便可作为模糊综合评价的有效工具。 　　3.1样本数据归一化 　　输入数据的规范化是BP神经网络建立的第一个重要步骤。最常用的归一化公式如下： 　　x= 　　3.2 BP神经网络的设计 　　基于MATLAB下的神经网络工具箱建立BP神经网络，设计采用2层神经网络结构，其输入层节点数，输出层节点数分别为6（6项评价指标）、1（教练员综合评价结果）。 　　隐层神经元个数的选择是复杂的，它往往需要经验和实验来确定。根据该问题的特点，选择一个常用的经验公式： 　　n=+a 　　n为输入层节点数，m是输出层节点数，a为1到10的常数[2]。 因此，n1的范围是从4到13，我们选择6,8,10,12分别作为隐层神经元数目，比较收敛速度和误差，确定隐层神经元数目为6。 　　选择常用的训练函数“traingdm”，“traingd”，“trainglm”（MATLAB神经网络工具箱提供）分别来训练BP网络。 　　3.3 BP神经网络的训练 　　训练和仿真的网络模型的过程是基于MATLAB平台的神经网络工具箱。用不同的训练函数、隐层节点分别训练网络变量数。 　　经过比较，很容易观察到，当使用“traingd”时，BP网络可以在最长时期内具备有效目标性能，收敛性能也最好。 　　图1最终误差变化图 　　图2 最终网络回归图 　　4.