数理统计的最新进展及在体育中的应用——从控制论角度

【摘要】：研究目的:概率论与数理统计主要分析讨论各种随机现象中的规律性。在体育中演变为体育统计学是关于体育现象内在规律的概括和理性的总结,因此在体育科学化进程中起着不可替代的作用。运用统计学来研究体育问题已经十分普遍,有必要了解概率论与数理统计的最新进展,本文从随机过程开始讨论近年来在控制论研究领域概率论与数理统计今年的最新进展,同时分析目前在体育中的应用现状,为进一步理解统计学的最新方法的体育的应用上提供参考。研究对象和研究方法:1.1研究对象本文以人工智能在概率论与数理统计中的研究基础为研究对象,人工智能中所涉及的分布式控制等基本原理和最新进展进行数学分析,为理解在体育中人工智能的应用提供帮助。1.2研究方法:1.2.1文献资料法1.2.2逻辑分析法1.2.3对比分析法研究结果:2.1概率论与数理统计的最新进展近年来,人工智能在深度学习、人机协同取得重大进展。人工智能处理的问题是复杂的系统,我们称多智能体系统。多智能体系统(Multi-agent Systems)是分布式人工智能(Distributed Artificial Intel-ligence)的一个重要分支,是20世纪末至21世纪初国际上人工智能的前沿学科,目的在于解决大型、复杂的现实问题。多智能体系统协同控制取得重大进展,而它的理论支撑离不开概率论与数理统计中随机过程,概率论与数理统计主要分析讨论各种随机现象中的规律性。而随机过程的研究对象是随时间演变的随机现象。简单的说随机过程就是依赖于参数t的一族(无限多个)随机变量,维纳过程是依赖时间的布朗运动的数学模型,由维纳过程为基础得到随机微分方程,在1949年由日本学者伊藤清给出随机积分,它是随机分析领域中重要的积分具有线性性质,可加性,零期望等;得到随机过程的随机微分方程的解的问题。于是从布朗运动进入控制论是研究动物(包括人类)和机器内部的控制与通信的一般规律的学科。一致性(Consensus)的研究是分布式人工智能计算理论的基础.所谓多智能体系统的一致性简单来说就是随着时间的推移,利用智能体相互之间的交互信息设计一个适当的协议,使得复杂网络系统中各个智能体的有关状态趋于一致。如在离散时间考虑马尔科夫跳变系统:,其中的是状态,是按时间齐次的马尔科夫随机过程,P是转移概率所组成的概率矩阵。处理方法是将原来周期进行分割,这样将系统进行转化利用遍历性等使系统达到一致。最新的是系统从马氏系统的处理到达半马氏即引来与模式状态的系统问题,引入泊松测度、泊松分布的到达时间的条件分布,列为测度等新概念。2.2人工智能在体育中的应用1、竞技体育中的应用在选材中,如果把人工智能算法应用到电子设备中,通过设备自动采集测试对象的各类形态信息和素质信息等数据,自动分析测试对象的优势指标进行提取,帮助教练员进行判断,最终选择合适的队员的目的。在比赛中"鹰眼"已经在网球比赛中成功应用,如果将人工智能在像武术套路、跳水等比赛中,将对运动竞赛具有重大的意义,减少一些项目传统执裁的主观性因素,避免裁判员情绪、情感等因素对比赛结果的影响,进而保证比赛的公平性。2、体育场馆系统物联网将传统的体育场馆蜕变成现代化体育场馆,智能化体育场馆可以实现自动化、数字化、信息化的发展模式。智能场馆无论是在场馆在功能、使用和后期维护等都可以实现自动化预约服务、网络化管理、数字化实现交互。3、智能体育运动系统无线传感网络技术在医疗、国防、环境监测等各个领域取得重大成功。随着技术开发在体育训练领域,能够对运动员训练状况进行实时检测并输出分析结果的测试机制。在训练中,如果在各种运动器材中嵌入智能装备,可便于采集运动员各类信息数据。帮助教练员制定运动员的训练方式,提高训练水平。研究结论:从控制论的角度,讨论概率论与数理统计的最新进展,人工智能的多智能体系统从马氏系统的处理到半马氏即引来与模式状态的有关的系统问题,引入泊松测度、泊松分布的到达时间的条件分布,列为测度等新概念,在分布式控制中利用智能体相互之间的交互信息设计一个适当的协议,使得复杂网络系统中各个智能体的有关状态趋于一致,进而实现系统智能化。在竞技体育、体育场馆系统等实现智能化的过程中推动概率论数理统计学科的发展,从而两者相互促进融合共同发展。