Mallipohjaiset järjestelmät ammattilaisjalkapallojoukkueille, joiden tavoitteena on terveyden ja suorituskyvyn optimointi (AIPROFB)

1. Johdanto Tämän projektin lähestymistapa syntyy halusta käyttää älyjärjestelmien tekoälyä ja koneoppimista ammattilaisurheilussa apuna ammattilaisjalkapalloilijoiden terveyden ja suorituskyvyn optimoinnissa. Ammattiurheilussa tarvitaan lisää fyysisiä, biologisia ja fysiologisia ponnisteluja ja apuvälineitä.

Tältä osin on esitetty ehdotus useista julkaisuista hankkeen puitteissa:

1. T-aallon inversion havaitseminen koneoppimisen avulla ammattijalkapalloilijoiden äkillisen kuoleman estämiseksi.

   Pelaajat käyvät läpi erilaisia ​​kilpailua edeltäviä seulontatestejä terveydentilansa arvioimiseksi, erityisesti yksi niistä on lepotilassa oleva 12-kytkentäinen EKG. Tämän täydentävän testin aaltomuotolöydösten perusteella voidaan luokitella ammattiurheilijan riski ja lisätestien tarve (Drezner et al., 2017). Ehdotuksemme on analysoida nämä testit uudelleen ja kohdistaa ne koneoppimisen matemaattiseen malliin, joka pystyy havaitsemaan T-aallon inversioita mainituista johtimista ja esittämään tulokset ja suositukset kansainvälisten kriteerien mukaisesti urheilijoiden elektrokardiografialle.

2. Koneoppimista sovelletaan biologisiin parametreihin ammattilaisjalkapalloilijoiden ohjaamiseen ja neuvontaan.

   Kauden aikana tehdään rutiinianalyysejä terveyteen ja suorituskykyyn liittyvien biokemiallisten parametrien kontrolloimiseksi, jotka vaihtelevat tai muuttuvat kauden aikana: D-vitamiini, B12-vitamiini, B9-vitamiini, ferritiini jne. (Galan et al., 2012). Mainittu tieto alistetaan koneoppimismenettelyyn, joka voi ilmoittaa meille muutoksista pelaajien tavanomaisessa mallissa ja joka voi aiheuttaa muutoksia suorituskyvyssä, jopa patologioita.

3. Koneoppimista sovellettiin urheilun geopaikannusjärjestelmiin ammattijalkapalloilijoiden vammojen ehkäisyyn.

Harjoitteluissa ja otteluissa saadut tiedot fyysisistä tiedoista, kuten kesto, matka, matka eri nopeuksilla, harjoitustiheys jne. Urheilupaikannusjärjestelmien tarjoamat laitteet ovat erittäin tärkeitä tutkittaessa kunkin pelaajan ponnisteluja ja suorituskykyprofiilia. Saamalla harjoituspäivän mukaan standardoidun pelaajan suoritusprofiilin voimme havaita haitallisia tilanteita, kuten: yliharjoittelu tai fyysisen kunnon puute. Voidaan suunnitella vammojen ehkäisyyn tähtääviä varoitus- ja hälytysjärjestelmiä. (Rossi, Pappalardo, Marcello, Javier ja toukokuu, 2017).

2. Kuvaus Tutkimukset toteutetaan ottamalla käyttöön tekoäly- ja koneoppimisjärjestelmiä ammattilaisjalkapalloilijoiden rutiininomaisessa urheilu- ja terveystoiminnassa kaudella 2019-20 ja 2020-21, 2021-22 kerättyihin fyysisiin, biologisiin ja fysiologisiin tietoihin. , kaudet 2022-23 ja 2023-24.

2.1 Yleiset tavoitteet

• Arvioi tekoälyjärjestelmien, kuten automaattisen oppimisen, asennusta saadaksesi malleja ja tuloksia pelaajien fyysisten, biolääketieteellisten ja fysiologisten parametrien tulkinnassa.

• Kehittää profiileihin perustuvia neuvonta-/mainontajärjestelmiä terveyden ja suorituskyvyn alalla.

  3. Käytännön sovellus Hankkeella on suuret mahdollisuudet käytännön sovellettavuuteen ja se voi synnyttää paradigman muutoksen, koska se perustuu matemaattisten ja/tai ohjelmointimallien luomiseen, jotka auttavat ammattilaisjalkapalloilijoiden terveydenhuollon ja urheilukuormituksen hallinnassa . Huomionarvoista on terveyteen ja suorituskykyyn vaikuttavien riskitekijöiden todennäköisyyspainojen laskennan mahdollinen parantaminen.