論文の概要: An Autoencoder Based Approach to Simulate Sports Games
- arxiv url: http://arxiv.org/abs/2007.10257v1
- Date: Thu, 16 Jul 2020 16:10:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 22:04:55.370071
- Title: An Autoencoder Based Approach to Simulate Sports Games
- Title(参考訳): スポーツゲームをシミュレートするためのオートエンコーダに基づくアプローチ
- Authors: Ashwin Vaswani and Rijul Ganguly and Het Shah and Sharan Ranjit S and
Shrey Pandit and Samruddhi Bothara
- Abstract要約: 我々は過去6年間に行われたUEFAチャンピオンズリーグの試合の詳細情報を含むデータセットUCLDataを提案する。
また、新しいオートエンコーダベースの機械学習パイプラインを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sports data has become widely available in the recent past. With the
improvement of machine learning techniques, there have been attempts to use
sports data to analyze not only the outcome of individual games but also to
improve insights and strategies. The outbreak of COVID-19 has interrupted
sports leagues globally, giving rise to increasing questions and speculations
about the outcome of this season's leagues. What if the season was not
interrupted and concluded normally? Which teams would end up winning trophies?
Which players would perform the best? Which team would end their season on a
high and which teams would fail to keep up with the pressure? We aim to tackle
this problem and develop a solution. In this paper, we proposeUCLData, which is
a dataset containing detailed information of UEFA Champions League games played
over the past six years. We also propose a novel autoencoder based machine
learning pipeline that can come up with a story on how the rest of the season
will pan out.
- Abstract(参考訳): スポーツデータは近年広く利用されるようになった。
機械学習技術の改善により、スポーツデータを用いて個々のゲームの結果を分析するだけでなく、洞察や戦略を改善することが試みられている。
新型コロナウイルスの感染拡大で世界各国のスポーツリーグが中断し、シーズンのリーグの結果に関する疑問や憶測が高まりつつある。
もしシーズンが中断され、正常に終了しなかったら?
どのチームがトロフィーを獲得するのか?
どの選手がベストを尽くしますか。
どのチームがシーズンをハイで終え、どのチームがプレッシャーに間に合わなかったのか。
我々はこの問題に取り組み、解決策を開発することを目指している。
本稿では,過去6年間に行われたUEFAチャンピオンズリーグの試合の詳細情報を含むデータセットUCLDataを提案する。
また,新しい自動エンコーダベースの機械学習パイプラインを提案する。
関連論文リスト
- The Strain of Success: A Predictive Model for Injury Risk Mitigation and
Team Success in Soccer [13.061659160183071]
サッカーにおける新しいチーム選択モデルを提案する。
我々は,実世界のサッカーデータから学習した選手固有の情報を用いて,選手の怪我や不適応の過程をモデル化する。
また,本モデルでは,第1チームのケガを13%減らし,負傷選手に非効率に費やした金額を11%減らした。
論文 参考訳(メタデータ) (2024-02-07T14:28:04Z) - SoccerNet 2023 Challenges Results [165.5977813812761]
SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。
この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
論文 参考訳(メタデータ) (2023-09-12T07:03:30Z) - VARS: Video Assistant Referee System for Automated Soccer Decision
Making from Multiple Views [70.70161449930127]
Video Assistant Refereeは協会サッカーに革命をもたらし、審判がピッチ上のインシデントをレビューできるようにする。
しかし、多くの国での審判の欠如とVARインフラの高コストのため、プロリーグのみがその恩恵を受けることができる。
サッカーの意思決定を自動化するビデオアシスタント参照システム(VARS)を提案する。
論文 参考訳(メタデータ) (2023-04-10T14:33:05Z) - GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for
Real-time Soccer Commentary Generation [75.60413443783953]
我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。
私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
論文 参考訳(メタデータ) (2023-03-26T08:43:36Z) - Impact of a Batter in ODI Cricket Implementing Regression Models from
Match Commentary [0.0]
本研究は,プレイヤーがどのような状況でどれだけコントロールしているかを判断することで,このインパクトのあるパフォーマンスの背景にある欠点を理解することを目的とする。
私たちはOne Day Internationalの3人の著名なクリケット選手(Rohit G Sharma、David A Warner、Kene S Williamson)のキャリアに関するデータを収集しました。
我々は、各プレイヤーのデータに対して、複数の線形回帰(MLR)、ポリノミアル回帰、サポートベクトル回帰(SVR)、決定木回帰、ランダムフォレスト回帰を個別に使用し、プレイヤーがゲームに与える影響を予測する。
論文 参考訳(メタデータ) (2023-02-22T06:42:20Z) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳(メタデータ) (2022-07-26T21:38:07Z) - PGD: A Large-scale Professional Go Dataset for Data-driven Analytics [3.747666374070152]
本稿では,1950年から2021年までの2,148人のプロ選手による98,043のゲームを含むProfessional Goデータセットを作成する。
データセットには、高度なAlphaZeroベースのAIによって評価されたマッチングにおける各動きの分析結果が含まれている。
メタ情報の完全化とゲーム内機能の構築により,結果予測システムは75.30%の精度を実現した。
論文 参考訳(メタデータ) (2022-04-30T12:53:04Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳(メタデータ) (2022-04-14T12:22:12Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳(メタデータ) (2020-11-18T10:26:02Z) - Analysing Long Short Term Memory Models for Cricket Match Outcome
Prediction [0.0]
近年,様々な機械学習技術を用いてクリケットマッチングデータを解析し,試合結果の勝敗を予測している。
本稿では,ボール・バイ・ボールの統計値から,試合の勝利確率を一定間隔で予測できる新しいリカレントニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2020-11-04T04:49:11Z) - Descriptive and Predictive Analysis of Euroleague Basketball Games and
the Wisdom of Basketball Crowds [0.0]
本研究は,機械学習モデルを用いたユーロリーグ大会におけるバスケットボールの試合予測に焦点を当てた。
単純な機械学習モデルでは、テストセットで67%以上の精度が得られます。
我々は,このグループの「専門家」の精度レベルが,機械学習を用いた(ヨーロッパ)バスケットボールの試合予測における将来の研究の基準として設定されるべき理由を論じる。
論文 参考訳(メタデータ) (2020-02-19T22:04:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。