L'uso dei modelli matematici nello sport: la condizione ottimale di un calciatore professionista
-
Upload
michela-cisternino -
Category
Sports
-
view
609 -
download
2
Transcript of L'uso dei modelli matematici nello sport: la condizione ottimale di un calciatore professionista
FondamentiStrumentazione
ProgettoConclusioni
L’Uso Dei Modelli Matematici Nello Sport:La Condizione Ottimale di un Calciatore Professionista
Candidata: Michela Cisternino
Facoltà di Scienze Matematiche, Fisiche e NaturaliUniversità Cattolica del Sacro Cuore - Sede di Brescia
Tesi di Laurea Triennale in Matematica
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Introduzione
Logica Tradizionale e Logica Fuzzy.
Funzione di Appartenenza.
Le Reti Neurali.
Sistemi Esperti.
FuzzyWorld.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Logica Tradizionale
La logica tradizionale valuta l’appartenenza o meno di unaspecifica entità ad un insieme come una caratteristica binaria:1appartiene, 0 non appartiene.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Logica Fuzzy
Un evento non è più classificabile esclusivamente in due modi(vero, falso) ma può appartenere a tutti gli insiemi sfumatipresenti nell’intervallo [0, 1].
Un insieme sfumato è un opportuno modo di rappresentare ilgraduale passaggio fra i diversi stati di appartenenza ad uninsieme;
La logica fuzzy ha capacità modellistiche superiori alla logicatradizionale dato che, intrinsecamente, è più adatta a descriverela realtà.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
La Funzione di Appartenenza
Gli insiemi fuzzy sono determinati da coppie ordinate del tipo: A= [(x, μA(x))].
La funzione di appartenenza all’insieme è rappresentata da unafunzione tendenzialmente campaniforme che assume tutti i valorinell’intervallo [0,1].
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Le Reti Neurali
SvantaggiLa rete neurale è una "black box";
Il processo di apprendimento può essere lungo.
VantaggiLa tolleranza ai cambiamenti di input mediante un processo diaddestramento.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Le Reti Neurali
SvantaggiLa rete neurale è una "black box";
Il processo di apprendimento può essere lungo.
VantaggiLa tolleranza ai cambiamenti di input mediante un processo diaddestramento.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Logica Fuzzy e Reti NeuraliIntroduzione a due elementi appartenenti al Soft Computing
Sono entrambi approcci alla modellizzazione dei sistemi cherientrano nella categoria dei metodi del soft computing;
Risolvono problemi propri del loro dominio sfruttando lacapacita’ di approssimazione di funzioni.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Sistemi Esperti Neuro FuzzyFusione tra Logica Fuzzy e Reti Neurali
La nascita di tali sistemi è legata al tentativo di unificare ivantaggi delle tecniche neurali (possibilità di essere addestrati) edei concetti fuzzy utilizzando un’unica architettura ibrida, i SEneuro-fuzzy.
Hanno lo scopo di affrontare problematiche fornendo soluzioniche un osservatore esterno valuterebbe come fornite da un essereumano esperto della materia (esperto di dominio).
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Logica Fuzzy e Reti NeuraliI Sistemi Esperti Neuro - Fuzzy
Struttura di un SE Neuro-Fuzzy
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
StrumentiFilosofia
Cosa Abbiamo UtilizzatoStrumentazione usata per la stesura del progetto
FuzzyWorld: generatore di sistemi esperti neuro – fuzzy cheutilizza la tecnologia object – oriented.
Microsoft Excel: utilizzato per la gestione dei dati di training.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
StrumentiFilosofia
L’Approccio che è Stato UtilizzatoDall’OOP alla struttura DI-RO
OOP (object oriented programming): è un paradigma diprogrammazione che permette di definire oggetti software ingrado di interagire gli uni con gli altri attraverso lo scambio dimessaggi.
Principio DI - RO: Il generatore è basato sull’applicazione delprincipio DI-RO (Dati In – Rules Out) che offre la possibilità diaddestrare il sistema mediante una serie di casi già verificati.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
StrumentiFilosofia
L’Approccio che è Stato UtilizzatoDall’OOP alla struttura DI-RO
OOP (object oriented programming): è un paradigma diprogrammazione che permette di definire oggetti software ingrado di interagire gli uni con gli altri attraverso lo scambio dimessaggi.
Principio DI - RO: Il generatore è basato sull’applicazione delprincipio DI-RO (Dati In – Rules Out) che offre la possibilità diaddestrare il sistema mediante una serie di casi già verificati.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
StrumentiFilosofia
Obiettivi Raggiungibili
Permettere la creazione di oggetti che dimostrino, insieme alcomportamento crisp tipico degli elaboratori, anche uncomportamento fuzzy.
Per realizzare un SE in FW è necessario:
Creare funzioni (variabili linguistiche) che rappresentino lecaratteristiche del sistema da un punto di vista letterale;
Creare fuzzy sets dettagliati parametrizzati con valori numerici;
Creare regole definite dall’esperto e/o generate direttamente dalsistema.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Stato di Forma Fisica Ascoli CalcioUn approccio moderno allo studio della fisiologia
Abbiamo analizzato i dati, riguardanti il tipo di allenamento ed alcunerilevazioni mediche, relativi ai giocatori dell’Ascoli Calcioutilizzando FuzzyWorld.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
ApproccioQual è stato il modo di procedere
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
La Struttura ad Albero del SECom’è strutturato il Sistema Esperto
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Training del Sistema EspertoCome Avviene l’Addestramento del Sistema Esperto
Zone definite:
FuzzyAntecedents
FuzzyConsequents
Identificativo
Weights
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Struttura Conclusiva
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Definizione FuzzySetsDefinizione del valore crisp max e min e dei fuzzy sets
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Generazione Regole
Le variabili letterali e i fuzzy sets costituiscono la base di conoscenza,le regole costituiscono il motore inferenziale e vengono create dal SEimportando i dati dai fogli Excel:
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Foglio Excel di output
I valori ottenuti dalla defuzzificazione sono più o meno simili a quelliche ci erano stati forniti dal preparatore atletico:
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
L’utilizzo degli Algoritmi GeneticiPiù precisione aumentando il Numero di Regole
Strumento di calcolo orientato all’identificazione dellacondizione di ottimo all’interno dello spazio di definizione di unproblema.
L’idea di base è quella che in natura i migliori sopravvivono (imigliori rappresentano l’ottimo).
L’utilizzo richiede la capacità di descrivere il problema in formadi popolazione e di far evolvere questa popolazione secondo iprincipi genetici naturali.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Verso il Miglioramento
Tramite tale algoritmo è possibile ridurre il divario fra gli output delladefuzzificazione e le valutazioni del preparatore.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
IntroStato Fitness del Giocatore di Calcio
Migliorie EsplicitateCome è migliorato (operativamente) il sistema con l’approccio genetico
Confrontiamo gli errori medi ottenuti con l’approccio tradizionale equello ottimizzato:
Si ha un miglioramento pari a 0,2215.Media degli errori massimi è 0,7253.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
FondamentiStrumentazione
ProgettoConclusioni
Conclusioni
Il maggior costo di tempo nell’esecuzione del trainingottimizzato è giustificato da una miglior performance diquest’ultimo;
Una maggior grandezza del training set e una maggioreterogeneità dei dati poteva dare un risultato ancora migliore;
L’utilizzo di un SE a logica fuzzy facilita in modo significativo lavita del preparatore atletico (soggetto alla stanchezza fisiologicadell’essere umano).
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore
Appendice Bibliografia
Bibliografia
Li-Xin W. , Adaptive Fuzzy Systems and Control, Ed.Prentice-Hall, 1994
Lorenzo Schiavina, Metodi e Strumenti per la ModellizzazioneAziendale, Ed. Franco Angeli, 2006;
L. Schiavina - Formalizzazione dei progetti di realizzazione disistemi esperti
R. R. Yader, L. A. Zadeh ed. “An Introduction to Fuzzy LogicApplications in Intelligent System” Kluwer Academic 1992
F. Hillier-G. Lieberman, Introduction to operations research,McGraw Hill, 2001.
Laureanda: Michela Cisternino Ottimizzazione dello Stato di Forma di un Calciatore