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

• Revisiting PlayeRank [0.0]
  私たちは、2019年にパパラルドらによってデザインされ、評価された、プレイランクと呼ばれるサッカーのパフォーマンススコアを見直します。 元のPlayeRankを用いて、94.13%のマッチで、上位チームが劣勢のチームを打ち負かしたか、スコアが類似している場合、チームが結束したかを示す。 本稿では,PlayeRankのオンライン利用方法を,修正フリー分析ツールを用いて提示する。
  論文  参考訳（メタデータ） (2024-10-26T01:15:58Z)
• SoccerNet 2024 Challenges Results [152.8534707514927]
  SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。 この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。 今年は、4つのビジョンベースのタスクが課題となっている。
  論文  参考訳（メタデータ） (2024-09-16T14:12:22Z)
• Towards AI-Powered Video Assistant Referee System (VARS) for Association Football [58.04352163544319]
  Video Assistant Referee (VAR)は、バックステージの審判が複数の視点からピッチ上のインシデントをレビューできるようにするイノベーションである。 VARは現在、高価なインフラと世界中の審判の欠如のために、プロリーグに限られている。 マルチビュービデオ解析における最新の知見を活用する半自動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） (2024-07-17T11:09:03Z)
• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• 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。