論文の概要: You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in
Cricket Using a Personalized Deep Neural Network
- arxiv url: http://arxiv.org/abs/2102.01952v1
- Date: Wed, 3 Feb 2021 09:03:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 17:09:51.038515
- Title: You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in
Cricket Using a Personalized Deep Neural Network
- Title（参考訳）: ben stokes氏:パーソナライズされたディープニューラルネットワークを用いたクリケットのショットタイプを動的に予測する
- Authors: Will G\"urp{\i}nar-Morgan, Daniel Dinsdale, Joe Gallagher, Aditya
Cherukumudi and Patrick Lucey
- Abstract要約: 本稿では,特定の打者が特定のボウラーとボウルタイプを打つ確率を予測する,パーソナライズされたディープニューラルネットワークアプローチを提案する。
当社のパーソナライズされた予測が、コーチとキャプテンの意思決定に重要な情報を提供する方法を示します。
- 参考スコア（独自算出の注目度）: 4.339839287869652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to predict what shot a batsman will attempt given the type of
ball and match situation is both one of the most challenging and strategically
important tasks in cricket.
The goal of the batsman is to score as many runs without being dismissed,
whilst for bowlers their goal is to stem the flow of runs and ideally to
dismiss their opponent. Getting the best batsman vs bowler match-up is of
paramount importance. For example, for the fielding team, the choice of bowler
against the opposition star batsman could be the key difference between winning
or losing. Therefore, the ability to have a predefined playbook (as in the NFL)
which would allow a team to predict how best to set their fielders given the
context of the game, the batsman they are bowling to and bowlers at their
disposal would give them a significant strategic advantage.
To this end, we present a personalized deep neural network approach which can
predict the probabilities of where a specific batsman will hit a specific
bowler and bowl type, in a specific game-scenario. We demonstrate how our
personalized predictions provide vital information to inform the
decision-making of coaches and captains, both in terms of pre-match and in-game
tactical choices, using the 2019 World Cup final between England and New
Zealand as a case study example.
- Abstract（参考訳）: バットマンがボールの種類とマッチ状況から何を撃とうと試みるかを予測する能力は、クリケットにおいて最も困難で戦略的に重要なタスクの1つです。
打者のゴールは、外されることなく多くのランを得点することであり、ボーラーのゴールはランの流れを抑え、理想的には相手を外すことである。
最高のバットマン対ボウラーの対決は最も重要なことだ。
例えば、フィールディングチームでは、対戦相手のスターバッターに対するボウラーの選択が勝利と敗戦の主な違いとなる可能性がある。
そのため、NFLのように事前に定義されたプレイブックを持つことができ、試合のコンテキストやバトマン、ボウルを処分するボウラーによって、チームがフィールドダーを設定するのがいかに最適かを予測することができるため、大きな戦略的優位性が得られる。
そこで本研究では,特定のゲームシナリオにおいて,特定の打者が特定のボウラーやボウルタイプを打つ確率を予測するための,パーソナライズされたディープニューラルネットワークアプローチを提案する。
イングランドとニュージーランドの2019ワールドカップ決勝戦をケーススタディの例として、当社のパーソナライズされた予測がどのようにコーチとキャプテンの意思決定をプリマッチとゲーム内戦術の両面で通知する重要な情報を提供するかを示しています。
関連論文リスト
- Bayes-xG: Player and Position Correction on Expected Goals (xG) using
Bayesian Hierarchical Approach [55.2480439325792]
本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。
StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。
この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
論文 参考訳（メタデータ） (2023-11-22T21:54:02Z) - CAMP: A Context-Aware Cricket Players Performance Metric [0.8312466807725919]
我々は,クリケットマッチ結果に対する個々の選手の貢献度を定量化するために,プレイヤパフォーマンスのコンテキスト対応指標であるCAMPを提案する。
CAMPはデータマイニング手法を採用し、選択とドラフト、コーチングとトレーニング、チームラインアップ、戦略開発に効果的なデータ駆動意思決定を可能にする。
2001年から2019年にかけてのクリケットの試合データからCAMPを実験的に評価した。
論文 参考訳（メタデータ） (2023-07-14T15:12:10Z) - Prediction of the outcome of a Twenty-20 Cricket Match : A Machine
Learning Approach [1.417373050337415]
我々は、T20クリケットマッチの結果を予測するために、4つの異なる機械学習アプローチを試す。
具体的には、競技チームに関わる選手の過去のパフォーマンス統計、評価されたクリケット統計ウェブサイトから得られた選手のレーティング、類似したパフォーマンス統計をクラスタリングし、ELOに基づくプレイヤーの評価手法を用いた新しい手法を提案する。
本稿では,ロジスティック回帰,サポートベクタマシン,ベイズネットワーク,決定木,ランダムフォレストなど,さまざまなMLアルゴリズムを用いて,これらの特徴工学手法の性能を比較した。
論文 参考訳（メタデータ） (2022-09-13T23:43:36Z) - Prediction of IPL Match Outcome Using Machine Learning Techniques [0.0]
インド・プレミアリーグ(英語: Indian Premier League、IPL)は、インドのサッカークラブである。
ライブストリーミング、ラジオ、テレビ放送など多くの要素がこのリーグをクリケットファンの間で人気を博した。
IPLマッチの結果を予測することは、オンライントレーダーやスポンサーにとって非常に重要である。
論文 参考訳（メタデータ） (2021-09-30T09:45:34Z) - A study on Machine Learning Approaches for Player Performance and Match
Results Prediction [2.82163744818616]
機械学習の分野で進歩しているので、クリケットの試合の結果を予測することは根本的な問題となっている。
複数の研究者がクリケットの試合やトーナメントの結果を予測したり、試合中の選手のパフォーマンスを予測したり、現在のパフォーマンス、フォーム、モラルなどに基づいて選択すべき選手を予測しようとした。
これらの技法のいくつかと、これらの技法の簡単な比較について論じる。
論文 参考訳（メタデータ） (2021-08-23T12:49:57Z) - Bandit Modeling of Map Selection in Counter-Strike: Global Offensive [55.41644538483948]
Counter-Strike: Global Offensive (CSGO) では、2つのチームが最初にマップ(仮想世界)を選択して禁止する。
CSGOにおける地図選択の問題に対処し、チームの選択や意思決定の禁止を調査するための文脈的帯域幅の枠組みを導入する。
選択と禁止の両方に関して、チームは最適なマップ選択ポリシーを持っています。
また,バンディット環境では検討されていない報奨制度のアプローチも定義し,報奨制度の導入によってモデル性能が向上することが確認された。
論文 参考訳（メタデータ） (2021-06-14T23:47:36Z) - 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) - Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies
in Extensive-Form Zero-Sum Games [123.76716667704625]
我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。
この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。
各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-09-21T17:51:57Z) - Interpretable Real-Time Win Prediction for Honor of Kings, a Popular
Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。
実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文 参考訳（メタデータ） (2020-08-14T12:00:58Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Revisiting Membership Inference Under Realistic Assumptions [87.13552321332988]
従来研究でよく用いられていた仮定のいくつかが緩和された環境での会員推定について検討する。
この設定は、研究者が通常考慮するバランスのとれた事前設定よりも現実的である。
我々は、トレーニングセットメンバーに対応する入力が損失関数の局所最小値に近いという直感に基づく新しい推論攻撃を開発する。
論文 参考訳（メタデータ） (2020-05-21T20:17:42Z)
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。