УДК
159.91 159.93 004.93'14 355.233.22 796.012
ГРНТИ
77.00 20.00
ОКСО
02.00.00 06.00.00 09.00.00 32.00.00 44.00.00
ТБК
5
ББК
28 73 75
BISAC
COM014000 COM018000 BIO016000 PSY012000
ВАК
1.5.5 5.3.3 1.2.1 5.8.4 3.1.33

КЛАССИФИКАЦИЯ УРОВНЯ СЛОЖНОСТИ СЕНСОМОТОРНОЙ ЗАДАЧИ ДЛЯ СПОРТСМЕНОВ НА ОСНОВАНИИ ФИЗИОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ Классификация уровня сложности сенсомоторной задачи для спортсменов на основании физиологических показателей методами машинного обучения

Опубликовано в Российский журнал информационных технологий в спорте · Страницы 17–20 · Рубрика: ЦИФРОВЫЕ ТЕХНОЛОГИИ В ЭКСТРЕМАЛЬНОЙ И СПОРТИВНОЙ ФИЗИОЛОГИИ
DOI: https://doi.org/10.62105/2949-6349-2024-1-1-17-20 · EDN: FTFHIY
Получено: 18.12.2023 Одобрено: 22.01.2024 Опубликовано: 13.03.2024 Язык публикаций: RUS
Целью исследования было выявление наиболее информативных вегетативных показателей, отражающих уровень сложности выполняемого спортсменами сенсомоторного задания с применением различных классификационных моделей. В качестве заданий двух уровней сложности использовали задачу на слухомоторную синхронизацию с заданным ритмом под метроном (простое задание) и удержание его по памяти (сложное задание). Регистрировались показатели работы сердца, параметры дыхания, кожная проводимость, ЭЭГ. Наиболее точную классификацию продемонстрировала модель Classification and Regression Trees (C&RT) – ошибка составила 18,3%.
сложность задачи, классификаторы, спортсмены, вегетативные показатели, машинное обучение
Текст Список литературы

 

1. Charles R.L., Nixon J. Measuring mental workload using physiological measures: A systematic review // Applied Ergononomics, 2019. Vol. 74. P. 221-232. DOI: https://doi.org/10.1016/j.apergo.2018.08.028

2. Zhang J., Yin Z., Cheng P., Nichele S. Emotion recognition using multi-modal data and machine learning techniques: A tutorial and review // Information Fusion, 2020. Vol. 59. No 1. P. 103-126. DOI: https://doi.org/10.1016/j.inffus.2020.01.011

3. Tarvainen M.P., Niskanen J.-P., Lipponen J.A., Ranta-Aho P.O., Karjalainen P.A. Kubios HRV-heart rate variability analysis software // Computer Methods and Programs in Biomedicine, 2014. Vol. 113. No 1. P. 210-220. DOI: https://doi.org/10.1016/j.cmpb.2013.07.024

Войти или Создать
* Забыли пароль?