The invention discloses a prediction system based on neural network, including information input module, neural network construction module, neural network prediction module, comparison module and display module; information input module includes information acquisition unit, information pre-processing unit, information storage unit and information output unit; and neural network construction module is BP God based on data transmitted by information output unit. After the construction of network model group, the neural network prediction module predicts the position of basketball players'ball control according to the data transmitted by the information output unit of the BP neural network model group; the comparison module compares the predicted results of the output of the neural network prediction module, and obtains the maximum value of the predicted results and the corresponding position of ball control; the display module inputs the information input module. The input data and the output data of the comparison module are displayed. The invention also discloses a prediction method based on a neural network. The invention can reduce human factors in the selection process and improve the scientificity and objectivity of the selection process.
【技术实现步骤摘要】
基于神经网络的预测系统及方法
本专利技术涉及神经网络
，尤其涉及基于神经网络的预测系统及方法。
技术介绍
随着竞技体育运动的发展，运动员科学选材成为选拔运动员的重要组成部分，选材的成功就意味着训练成功了一半，正确认识篮球运动员的科学选材，努力促进篮球运动的全面健康发展，既是现实需要又具有重要的理论意义。现有篮球运动员选拔多为专家评分形式，评分过程中因专家水平不同存在评分标准不一致，选拔过程中存在人为因素较大等弊端。CN103160597A公开了一种预测优秀滑雪运动员弹跳潜能的分子生物学方法，通过同时测定冰雪运动员血液来源基因组DNA中ACTN3基因型R/X多态性和ACE基因型I/D多态性来预测冰雪运动员的弹跳潜能，预测过程中存在的人为因素较大。
技术实现思路
针对上述不足，本专利技术设计了一种基于神经网络的预测系统及方法，针对篮球运动员在不同控球位置上的表现进行预测，符合专项运动评价体系的科学性、可测性、相对独立性、客观性及便捷性等原则，并且减少选拔过程中人为因素，提高了选拔过程的科学性以及客观性。一种基于神经网络的预测系统，包括信息录入模块、神经网络构建模块、...
【技术保护点】
1.一种基于神经网络的预测系统，其特征在于，包括信息录入模块、神经网络构建模块、神经网络预测模块、比较模块和显示模块；所述信息录入模块包括信息采集单元、信息预处理单元、信息存储单元及信息输出单元；所述信息采集单元用于采集篮球运动员的各项数据；所述信息预处理单元用于将所述各项数据进行归一化处理，使数据转化为[‑1,1]之间的数字；所述信息存储单元用于对所述信息预处理单元归一化处理后的各项数据进行存储；所述信息输出单元用于将所述信息存储单元中存储的各项数据进行传输；所述神经网络构建模块用于根据信息输出单元传输的数据进行BP神经网络的构建，得到多个BP神经网络模型，形成BP神经网...
【技术特征摘要】
1.一种基于神经网络的预测系统，其特征在于，包括信息录入模块、神经网络构建模块、神经网络预测模块、比较模块和显示模块；所述信息录入模块包括信息采集单元、信息预处理单元、信息存储单元及信息输出单元；所述信息采集单元用于采集篮球运动员的各项数据；所述信息预处理单元用于将所述各项数据进行归一化处理，使数据转化为[-1,1]之间的数字；所述信息存储单元用于对所述信息预处理单元归一化处理后的各项数据进行存储；所述信息输出单元用于将所述信息存储单元中存储的各项数据进行传输；所述神经网络构建模块用于根据信息输出单元传输的数据进行BP神经网络的构建，得到多个BP神经网络模型，形成BP神经网络模型群；所述神经网络预测模块用于根据所述BP神经网络模型群对信息输出单元传输的数据进行篮球运动员控球位置的预测；所述比较模块用于对神经网络预测模块输出的预测结果进行比较，得出预测结果中的最大值及所述最大值对应的控球位置；所述显示模块用于对信息录入模块所需输入数据及比较模块的输出数据进行显示。2.根据权利要求1所述的基于神经网络的预测系统，其特征在于，所述信息采集单元具体用于采集不同控球位置的篮球运动员及待选篮球运动员的各项数据，信息采集单元设有20个信息采集窗口，所述信息采集窗口用于显示输入的数据的测试项目类型和输入数据的单位。3.根据权利要求2所述的基于神经网络的预测系统，其特征在于，所述神经网络构建模块具体用于：对神经网络的初始参数进行设置，所述初始参数包括隐藏层节点数；采用Levenberg-Marquardt方法训练BP神经网络的前向网络；基于归一化后的不同控球位置的篮球运动员的各项数据和神经网络初始参数进行神经网络的训练，得到多个BP神经网络模型，从而得到BP神经网络模型群。4.根据权利要求1所述的基于神经网络的预测系统，其特征在于，所述BP神经网络模型群由多个相互独立的BP神经网络模型组成，分别作为不同控球位置的预测模型，所述BP神经网络模型均为三层神经网络结构，BP神经网络模型由一层输入层、一层隐藏层和一层输出层组成。5.要求根据权利要求3所述的基于神经网络的预测系统，其特征在于，所述BP神经网络的隐藏层...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。