Application of action recognition and tactical optimization methods for rope skipping competitions based on artificial intelligence DOI Open Access
Huan Zhang

Molecular & cellular biomechanics, Journal Year: 2024, Volume and Issue: 21(4), P. 936 - 936

Published: Dec. 30, 2024

To solve the problems that action recognition methods in rope skipping competitions rely on manual annotation and are prone to misjudgment complex movements, this study implemented an AI-based tactical optimization method, using artificial intelligence technology achieve efficient accurate adjustment. The feature extraction of video frames is performed through Convolutional Neural Network (CNN), processed sequence sent Long Short-Term Memory (LSTM) network for processing, so as actions. optimize competition strategy, Deep Q (DQN) used execution. Experimental results show proposed model can recognize common movements such single jump, double-leg jump cross with average accuracy 98.4%; strategy optimized by reinforcement learning significantly improves performance athletes, jumping frequency increases 4.59% error rate decreases 0.986%. This not only provides intelligent evaluation solution competitions, but also has certain reference significance decision-making other sports.

Language: Английский

УДОСКОНАЛЕНА МОДЕЛЬ ОЦІНКИ ОЧІКУВАНОЇ КОРИСНОСТІ БПЛА У РОЙОВОМУ ЦІЛЕРОЗПОДІЛІ ПРИ ДИНАМІЧНОМУ РОЗІГРАШІ БОЙОВИХ ДІЙ DOI Creative Commons
О. М. Компанієць, Андрій Ткачов

Системи обробки інформації, Journal Year: 2024, Volume and Issue: 3(178), P. 42 - 47

Published: Dec. 2, 2024

У статті досліджується проблема функціонування роїв безпілотних літальних апаратів (БпЛА) при виконанні військових операцій в умовах динамічного та невизначеного середовища. Запропоновано підхід до управління роєм БпЛА, що базується на інтеграції методів теорії ігор непараметричних алгоритмів машинного навчання. Розроблено математичну модель, яка описує взаємодію БпЛА у рою як динамічний розіграш полі бою з урахуванням обмеженої інформації потенційних конфліктів інтересів між ок-ремими апаратами. Представлено удосконалений алгоритм ітерації значень для розв’язання задачі Мар-ковського процесу прийняття рішень (МППР), дозволяє знаходити кращі стратегії Бп-ЛА неповної інформації.Запропонований враховує специфіку децентралізованого роєм, забезпечуючи адапти-вність змін середовища поведінки інших апаратів. Це підвищити ефективність виконання бойових завдань складного інформаційного активної протидії противника. Ре-зультати дослідження можуть бути використані розробки нових систем роями вдосконалення тактики їх застосування місіях.

Citations

0
Application of action recognition and tactical optimization methods for rope skipping competitions based on artificial intelligence DOI Open Access
Huan Zhang

Molecular & cellular biomechanics, Journal Year: 2024, Volume and Issue: 21(4), P. 936 - 936

Published: Dec. 30, 2024

To solve the problems that action recognition methods in rope skipping competitions rely on manual annotation and are prone to misjudgment complex movements, this study implemented an AI-based tactical optimization method, using artificial intelligence technology achieve efficient accurate adjustment. The feature extraction of video frames is performed through Convolutional Neural Network (CNN), processed sequence sent Long Short-Term Memory (LSTM) network for processing, so as actions. optimize competition strategy, Deep Q (DQN) used execution. Experimental results show proposed model can recognize common movements such single jump, double-leg jump cross with average accuracy 98.4%; strategy optimized by reinforcement learning significantly improves performance athletes, jumping frequency increases 4.59% error rate decreases 0.986%. This not only provides intelligent evaluation solution competitions, but also has certain reference significance decision-making other sports.

Language: Английский

Citations

0