Analisis taktis dan evaluasi tim sepak bola wanita berdasarkan jaringan saraf konvolusional

Analisis model CNN terhadap kemampuan kepribadian resesif pemain tim sepak bola wanita

Model yang dirancang sesuai dengan karakteristik CNN dapat membantu tim menganalisis kemampuan resesif pribadi pemain secara lebih komprehensif. Tujuh nilai mean, standar deviasi, standar error, nilai minimum, nilai maksimum, serta batas atas dan bawah selang kepercayaan 95% dihitung untuk mean empat pangkat dengan standar penilaian yang seragam. Melalui observasi komparatif terlihat jelas bahwa data kelompok pasca paragraf dan kelompok eksperimen sangat mirip. Analisis kemampuan resesif pribadi pemain meliputi empat jenis, yaitu: kemampuan mengamati dan menganalisis, kemampuan memahami dan menilai, kemampuan mengendalikan dan mengoordinasikan, serta kemampuan berinovasi. Diantaranya, perbandingan data spesifik kapasitas pemantauan dan analisis ditunjukkan pada Gambar 4:

Pada Gambar 4, setelah mengklasifikasikan gambar menurut jenis kemampuannya, tiga kelompok konten yang berkaitan dengan kemampuan pemantauan dan analisis dipilih dan dicatat, kemudian tujuh nilai numerik dihitung. Diketahui bahwa untuk pemain baseline, nilai standar deviasi dan standar error kelompok pra-para, kelompok pasca-para, dan kelompok eksperimen pada dasarnya sama, dengan sedikit perbedaan. Nilai rata-rata dan batas atas dan bawah selang kepercayaan 95% untuk nilai rata-rata, serta nilai minimum dan maksimum pada kelompok pasca potong dan kelompok eksperimen jauh lebih tinggi dibandingkan dengan kelompok pra potong, dan nilai rata-ratanya adalah perbedaan angka antara kelompok pasca potong dan kelompok eksperimen mengenai keempat kelompok tersebut sangat kecil. Untuk pemain pengganti, tidak terdapat perbedaan nilai lain yang jelas kecuali nilai minimum antara kelompok pra-para, kelompok pasca-para, dan kelompok eksperimen. Hal ini menunjukkan bahwa lebih dekat dengan evaluasi profesional dan lebih cocok bagi pemain kunci untuk menggunakan sistem penilaian tim untuk menilai kemampuan observasi dan analisis pemain setelah mengekstraksi dan mengklasifikasikan fitur gambar video dari latihan biasa pemain dan pertandingan terakhir melalui CNN. .

Gambar 5 menunjukkan data terpilih untuk tujuh nilai mean, standar deviasi, standar error, nilai minimum, nilai maksimum, serta batas atas dan bawah selang kepercayaan 95% untuk nilai mean:

Diagram untuk memahami dan menilai data kemampuan.

Pada Gambar 5, setelah mengklasifikasikan gambar menurut jenis kemampuannya, tiga set konten yang berkaitan dengan kemampuan pemahaman dan penilaian dipilih dan dicatat, kemudian tujuh nilai numerik dihitung. Diketahui bahwa untuk pemain baseline, nilai standar deviasi dan standar error kelompok pra-para, kelompok pasca-para, dan kelompok eksperimen pada dasarnya sama, dengan sedikit perbedaan. Nilai rata-rata dan batas atas dan bawah selang kepercayaan 95% untuk nilai rata-rata, serta nilai maksimum dan minimum pada kelompok pasca klip dan kelompok eksperimen jauh lebih tinggi dibandingkan dengan kelompok sebelum klip, dan nilai rata-ratanya adalah perbedaan numerik antara kelompok pasca klip dan kelompok eksperimen mengenai keempat kelompok ini sangat kecil. . Untuk pemain pengganti, terdapat sedikit perbedaan batas atas dan batas bawah selang kepercayaan 95% untuk nilai rata-rata antara kelompok praparagraf, kelompok pascaparagraf, dan kelompok eksperimen. Terdapat juga perbedaan yang jelas antara nilai maksimum. nilai dan nilai minimum, tetapi tidak ada perbedaan yang jelas pada nilai lainnya. . Hal ini menunjukkan bahwa lebih dekat dengan evaluasi profesional dan lebih nyaman bagi pemain kunci untuk menggunakan sistem penilaian tim sendiri untuk menganalisis dan menilai pemahaman pemain dan kemampuan menilai setelah mengekstraksi dan mengklasifikasikan fitur gambar video dari latihan biasa para pemain dan pertandingan terakhir. melalui CNN.

Data spesifik untuk tujuh nilai numerik, seperti nilai rata-rata, deviasi standar, kesalahan standar, nilai minimum, nilai maksimum, dan batas atas dan bawah interval kepercayaan 95% dari nilai rata-rata, untuk kemampuan koordinasi kontrol ditampilkan pada Gambar 6.

Kontrol diagram data daya koordinasi.

Pada Gambar 6, setelah mengklasifikasikan gambar berdasarkan jenis kemampuan, tiga set konten yang terkait dengan kemampuan kontrol dan koordinasi dipilih dan dicatat, lalu tujuh nilai numerik dihitung. Ditemukan bahwa untuk pemain master pemula, perbedaan dalam menilai dan menghitung nilai maksimum dan minimum dari ketiga kelompok, yaitu kelompok pra-paragraf, kelompok pasca-paragraf, dan kelompok eksperimen, adalah yang paling jelas. , dan perbedaan antara data kelompok praparagraf, kelompok pascaparagraf, dan kelompok eksperimen paling menonjol. Kelompok postparagraph dan kelompok eksperimen dipertahankan pada kisaran 2. Membandingkan dua nilai numerik pertama dari kekuatan, perbedaan dalam nilai maksimum ditemukan sebagai yang paling jelas. Untuk pemain pengganti tidak terdapat perbedaan yang signifikan antara kelompok pra-para, kelompok pasca-para dan kelompok eksperimen kecuali pada nilai maksimalnya. Hal ini menunjukkan bahwa CNN digunakan untuk mengekstrak dan mengklasifikasikan fitur gambar video dari latihan biasa pemain dan pertandingan terakhir, dan kemudian sistem penilaian tim digunakan untuk menganalisis dan menilai kemampuan kontrol dan koordinasi pemain. Terlepas dari pemain awal atau pemain pengganti, perubahan nilai maksimal adalah yang paling kentara.

Data yang dipilih untuk tujuh nilai numerik, yaitu mean, standar deviasi, standar error, nilai minimum, nilai maksimum dan batas atas dan bawah interval kepercayaan 95% dari nilai rata-rata, untuk kemampuan inovasi yang sukses ditunjukkan pada Gambar 7:

Diagram Passing Data Kemampuan Inovasi.

Pada Gambar 7, setelah mengklasifikasikan gambar menurut jenis kemampuannya, tujuh nilai numerik dihitung setelah memilih tiga kelompok konten yang terkait dengan kemampuan inovasi yang berhasil. Ditemukan bahwa untuk pemain awal utama terdapat sedikit perbedaan dalam kesalahan standar antara ketiga kelompok: kelompok pra-paragraf, kelompok pasca-paragraf, dan kelompok eksperimen, serta batas atas dan bawah nilai rata-rata dan kelompok eksperimen. Interval kepercayaan 95% untuk nilai rata-rata memang kecil, namun nilai maksimumnya jelas. Untuk pemain pengganti, batas atas dan bawah selang kepercayaan 95% dari mean, standar deviasi, standar error, nilai minimum, nilai maksimum, dan nilai median pada kelompok pasca para dan kelompok eksperimen pada dasarnya sama, dan jumlahnya sedikit lebih tinggi dibandingkan kelompok pra-para dengan Ada sedikit perbedaan. Hal ini menunjukkan bahwa tidak ada perbedaan yang jelas dalam perubahan keseluruhan, tetapi ada sedikit perubahan numerik setelah CNN mengekstrak dan mengklasifikasikan fitur gambar dari latihan biasa para pemain dan pertandingan terakhir, dan kemudian menggunakan sistem penilaian tim untuk menganalisis dan menilai para pemain. ' melewati kemampuan inovasi.

Analisis model CNN terhadap kesalahan postur pribadi pemain tim sepak bola wanita di lapangan

CNN tidak hanya dapat menilai kemampuan individu dengan lebih akurat berdasarkan performa pribadi pemain sebelum pertandingan, tetapi juga memainkan peran besar dalam permainan. CNN dapat digunakan untuk memantau status pemain secara real-time, dan memberikan ringkasan kesalahan pribadi pemain melalui pengenalan waktu nyata, sehingga pelatih dapat menangani perubahan di lapangan dengan lebih baik. Dalam penelitian ini, dengan mengekstraksi data lapangan untuk pertandingan liga beregu wanita, statistik kesalahan untuk pemain di posisi berbeda diselesaikan menggunakan CNN.

Menurut statistik, No. 9 adalah striker kiri, No. 30 adalah striker kiri cadangan, No. 29 adalah striker kanan, No. 7 adalah striker cadangan kanan, No. 10 adalah striker kiri, dan No. 11 adalah striker yang tepat. Pinggang depan, No. 12 adalah bek tengah, No. 25 adalah pinggang belakang, No. 1 adalah penjaga gawang, dan empat pemain bertahan masing-masing adalah No. 15, No. 8, No. 6 dan No. 21 . Diantaranya, waktu lari individu dan waktu kompetisi aktual semua pemain ditunjukkan pada Gambar 8:

Lengkapi garis waktu lari individu untuk semua pemain.

Dengan menganalisis kesalahan mencetak gol dan kesalahan menjaga bola seluruh pemain sepanjang pertandingan, kami menyimpulkan bahwa persentase kesalahan individu pemain adalah seperti yang ditunjukkan pada Gambar 9:

Persentase kesalahan individu dalam pertandingan untuk seluruh pemain di lapangan.

Pada gambar. 8, 9, Seiring berjalannya waktu, semakin banyak kesalahan gol dan kesalahan menjaga bola dari penyerang kiri dan kanan, terutama kesalahan gol, yang sangat mempengaruhi efisiensi mencetak gol tim. Pertandingan sepak bola perlu berjalan sepanjang waktu, terutama pada posisi penyerang, dan membutuhkan kecepatan serta menembus garis pertahanan lawan untuk mencetak gol. Dengan memperhatikan nilai numerik pada Gambar 9, ternyata kesalahan individu dalam gawang mewakili kurang lebih 20%, kesalahan individu dalam menjaga bola mewakili kurang lebih 10%, dan total kesalahan individu mewakili kurang lebih 12% dalam waktu berlari gawang. . Striker yang tepat. Pelanggaran pribadi penyerang kiri di gawang berjumlah sekitar 30% dari total, pelanggaran pribadi karena menjaga bola mewakili kurang dari itu, dan total pelanggaran pribadi mewakili sekitar 13%. Selain itu, di antara pemain dengan persentase pelanggaran lainnya yang tinggi, pemain punggung bawah ke-25 memiliki persentase pelanggaran menjaga bola yang tinggi, dan pelanggaran menjaga bola pribadi menyumbang sekitar 12% dari total; Pelanggaran gol pribadi oleh pemain No. 10 mewakili 25% dari total. Setelah berlari sekitar 65 menit pada penyerang kanan ke-29, pelatih mengganti penyerang kanan ke-7; Setelah striker kiri nomor 9 berjalan kurang lebih 73 menit, pelatih melakukan pergantian pemain dan memasukkan striker kiri pengganti nomor 30. Pelatih di posisi lini tengah dan belakang tidak melakukan pergantian pemain. Hal ini menunjukkan bahwa statistik pelanggaran pribadi pemain yang berbasis CNN dapat membantu pelatih membuat strategi konfrontasi lebih cepat, dan pelatih dapat dengan jelas melihat level pribadi anggota dari statistik tersebut, dan menggabungkan analisis kemampuan pribadi yang tersembunyi sebelum pertandingan untuk menentukan peringkat mereka. Pemain yang paling cocok bermain di waktu yang tepat sesuai dengan kemampuan pribadi pemain untuk menstabilkan situasi.