Login
Communauté Vinci
Extérieur
Si votre nom d'utilisateur ne se termine pas par @vinci.be ou @student.vinci.be, utilisez le formulaire ci-dessous pour accéder à votre compte de lecteur.
Titre : | The application of Artificial Neural Network and k -Nearest Neighbour classification models in the scouting of high-performance archers from a selected fitness and motor skill performance parameters (2019) |
Titre original: | Lidentification des méthodes de classification de réseaux de neurones artificiels et des k plus proches voisins dans le dépistage des archers de haute performance à partir dune sélection de paramètres de performance physique et motrice |
Auteurs : | R. Muazu Musa ; A.P.P. Abdul Majeed ; Z. Taha |
Type de document : | Article |
Dans : | Science et sports (Vol. 34, n°4, 2019) |
Article en page(s) : | p. e241-e249 |
Note générale : | Doi : 10.1016/j.scispo.2019.02.006 |
Langues: | Français |
Descripteurs : |
HE Vinci Aptitude physique ; Intelligence artificielle (IA) ; Performance fonctionnelle physique ; Tir à l'arc |
Résumé : |
Objectif
Lutilisation de lintelligence artificielle a été démontrée dans la littérature comme pouvant être efficace pour la classification et la prédiction. Néanmoins, lapplication de la méthode des k plus proches voisins (k -NN) et le réseau de neurones artificiels (ANN), en particulier le modèle classique de Perceptron multicouche (MLP) pour la prédiction et le classement en tir à larc est encore à ses débuts. Létude a permis de prédire les performances potentielles darchers à partir densemble de variables de compétences physiques et de capacités motrices, au moyen de deux algorithmes dapprentissage automatique distincts, ANN et k -NN. Méthodes Cinquante jeunes archers dun âge moyen (et décart-type) de 17,0±0,56 ans, recrutés à partir de programmes de jeunes ont réalisé un jet de tirs à larc tir au cours duquel le score a été mesuré. Des mesures de capacités physiques ont été réalisées à partir de tests standard, force de préhension, saut vertical, saut en longueur, équilibre statique, force musculaire des membres supérieurs. Lanalyse de regroupement hiérarchique en sous-groupes (HACA) en utilisant la distance de Mahalanobis a été utilisée pour regrouper les archers en fonction des performances. Lanalyse de la taille de leffet en utilisant le t de Cohen d sur le groupe défini par la HACA a permis dévaluer les différences de performance des archers. Résultats La HACA a permis de regrouper les archers en deux groupes distincts, à savoir : les archers à haut potentiel (HPA) et les archers à plus faible potentiel (LPA). Lanalyse statistique ainsi que lanalyse de la taille des effets ont montré que les performances du saut en position debout, de force de préhension de la main, de la force musculaire des membres supérieurs, ainsi que du score de tir à larc des archers classés HPA étaient meilleures que celles mesurées chez les archers LPA (p Conclusions Ces résultats sont de grande importance pour les entraîneurs et les officiels sportifs, en particulier pour identifier les archers de haut niveau, à partir de paramètres physiques et fonctionnels dévaluation de la condition physique et de la motricité. En conséquence, cette approche économiserait des ressources, du temps et de lénergie lors dun programme de recherche de talents. |
Disponible en ligne : | Oui |
En ligne : | https://login.ezproxy.vinci.be/login?url=https://www.em-premium.com/article/1316664 |