論文の概要: Optimising Long-Term Outcomes using Real-World Fluent Objectives: An Application to Football

• arxiv url: http://arxiv.org/abs/2102.09469v1
• Date: Thu, 18 Feb 2021 16:42:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-19 16:56:56.260855
• Title: Optimising Long-Term Outcomes using Real-World Fluent Objectives: An Application to Football
• Title（参考訳）: 実世界フルエントオブジェクトを用いた長期アウトカムの最適化:サッカーへの応用
• Authors: Ryan Beal, Georgios Chalkiadakis, Timothy J. Norman and Sarvapali D. Ramchurn
• Abstract要約: シーズンのチームの目標をモデル化し、ゲームが展開するにつれてこれらがどのように進化するかを追跡し、意思決定ゲームに役立つ流動的な目標を提供します。 我々は,マルコフ連鎖モンテカルロと,従来のゲームや環境の他のゲームから学習するために,流動的な目的を生かしたディープラーニングベースのアルゴリズムを開発した。 760試合の実際のデータセットを用いたアプローチのシミュレーションでは、流動性のある目標と事前のゲームで最適化された戦術を用いることで、平均的な増加チームではリーグ内の分布を最大35.6%まで増やすことができる。
• 参考スコア（独自算出の注目度）: 16.456411166427188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a novel approach for optimising long-term tactical and strategic decision-making in football (soccer) by encapsulating events in a league environment across a given time frame. We model the teams' objectives for a season and track how these evolve as games unfold to give a fluent objective that can aid in decision-making games. We develop Markov chain Monte Carlo and deep learning-based algorithms that make use of the fluent objectives in order to learn from prior games and other games in the environment and increase the teams' long-term performance. Simulations of our approach using real-world datasets from 760 matches shows that by using optimised tactics with our fluent objective and prior games, we can on average increase teams mean expected finishing distribution in the league by up to 35.6%.
• Abstract（参考訳）: 本論文では,サッカー(サッカー)における長期戦術的・戦略的な意思決定を,ある時間枠をまたいだリーグ環境におけるイベントをカプセル化することで最適化する新しいアプローチを提案する。 シーズンのチームの目標をモデル化し、ゲームが展開するにつれてこれらがどのように進化するかを追跡し、意思決定ゲームに役立つ流動的な目標を提供します。 私たちは、マルコフチェーンモンテカルロと学習ベースのアルゴリズムを開発し、環境における以前のゲームや他のゲームから学び、チームの長期的なパフォーマンスを向上させるために流れるような目的を利用します。 760試合の実際のデータセットを用いたアプローチのシミュレーションでは、流動性のある目標と事前のゲームで最適化された戦術を用いることで、平均的な増加チームではリーグ内の分布を最大35.6%まで増やすことができる。

関連論文リスト

• Estimating Player Performance in Different Contexts Using Fine-tuned Large Events Models [0.7373617024876725]
  本稿では,Large Event Models (LEM) のサッカー解析への応用について紹介する。 LEMは、単語ではなく、後続のイベントの変数を予測する。 我々は、2017-18シーズンのプレミアリーグシーズンのWyScoutデータセットによる微調整LEMに焦点を当てている。
  論文  参考訳（メタデータ） (2024-02-09T22:47:25Z)
• League of Legends: Real-Time Result Prediction [0.0]
  本稿では,機械学習技術を用いて,電子ゲームリーグ・オブ・レジェンド(LoL)の試合結果の予測について検討する。 様々なモデルが評価され、その結果が奨励された。 この研究は、電子ゲームに応用された機械学習の分野に寄与し、League of Legendsにおけるリアルタイム予測に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-09-02T02:01:51Z)
• Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
  離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。 分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
  論文  参考訳（メタデータ） (2022-11-01T03:31:43Z)
• 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)
• Predicting the outcome of team movements -- Player time series analysis using fuzzy and deep methods for representation learning [0.0]
  我々は、より拡張された一連の動きや戦術計画において、短い戦術と宇宙占領の有用なエンコーディングのためのフレームワークを提供する。 本稿では,2015-16シーズンのプロバスケットボールSportVUデータセットにおける予測・認識タスクに対する提案手法の有効性について検討する。
  論文  参考訳（メタデータ） (2021-09-13T18:42:37Z)
• Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team Composition [88.26752130107259]
  現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。 この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。 1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
  論文  参考訳（メタデータ） (2021-05-18T17:27:37Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• Temporally-Aware Feature Pooling for Action Spotting in Soccer Broadcasts [86.56462654572813]
  私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。 時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。 我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
  論文  参考訳（メタデータ） (2021-04-14T11:09:03Z)
• Markov Cricket: Using Forward and Inverse Reinforcement Learning to Model, Predict And Optimize Batting Performance in One-Day International Cricket [0.8122270502556374]
  我々は1日の国際クリケットゲームをマルコフプロセスとしてモデル化し、前向きおよび逆強化学習(RL)を適用してゲームのための3つの新しいツールを開発する。 本手法は,残余スコアリング資源のプロキシとして使用する場合,最先端のDuckworth-Lewis-Stern法を3倍から10倍に向上させることを示す。 予測とシミュレーションのテクニックは中断されたゲームの最終スコアを推定するためのより公平な代替手段となり得るが、推定された報酬モデルはプロのゲームがプレイ戦略を最適化するための有用な洞察を提供するかもしれない。
  論文  参考訳（メタデータ） (2021-03-07T13:11:16Z)
• 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)
• Optimising Game Tactics for Football [18.135001427294032]
  サッカーにおける戦術的・戦略的意思決定を最適化するための新しいアプローチを提案する。 我々は,サッカーをベイズゲームから構成したマルチステージゲームとしてモデル化し,プレマッチ決定をモデル化し,インマッチ状態遷移と決定をモデル化する。 これに基づいて、異なる目的でチーム形成とゲーム内戦術を最適化するアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2020-03-23T14:24:45Z)

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。