Fugu-MT 論文翻訳(概要): A Reinforcement Learning Based Approach to Play Calling in Football

論文の概要: A Reinforcement Learning Based Approach to Play Calling in Football

arxiv url: http://arxiv.org/abs/2103.06939v1
Date: Thu, 11 Mar 2021 20:23:07 GMT
ステータス: 処理完了
システム内更新日: 2021-03-15 13:29:28.337651
Title: A Reinforcement Learning Based Approach to Play Calling in Football
Title（参考訳）: 強化学習に基づくサッカーのプレーコールへのアプローチ
Authors: Preston Biro and Stephen G. Walker
Abstract要約: 決定選択を含む多くのゲームが最適化できる。利用可能なデータは、意思決定の結果の確率を高い精度で計算することができる。確立された理論があれば、1つのプレイレベルで選択を最適化できる。
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: With the vast amount of data collected on football and the growth of computing abilities, many games involving decision choices can be optimized. The underlying rule is the maximization of an expected utility of outcomes and the law of large numbers. The data available allows us to compute with high accuracy the probabilities of outcomes of decisions and the well defined points system in the game allows us to have the necessary terminal utilities. With some well established theory we can then optimize choices at a single play level.
Abstract（参考訳）: フットボールで収集された膨大な量のデータとコンピューティング能力の成長により、決定選択を含む多くのゲームが最適化される。基本となる規則は、期待される結果の効用と膨大な数の法則の最大化である。利用可能なデータにより、決定結果の確率を高精度に計算することができ、ゲーム内のよく定義されたポイントシステムにより、必要な端末ユーティリティを確保できる。確立された理論があれば、1つのプレイレベルで選択を最適化できる。

関連論文リスト

Imperfect-Information Games on Quantum Computers: A Case Study in Skat [0.8437187555622164]
非完全情報ゲームにおいて,量子コンピュータが重要な役割を担っていることを示す。我々は、最も人気のあるドイツのカードゲームSkatの例を使って、Quantum Computersがこの種のゲームを解く上で、いかに重要な役割を果たすかを示す。
論文参考訳（メタデータ） (2024-11-22T18:19:33Z)
Learning to Cover: Online Learning and Optimization with Irreversible Decisions [50.5775508521174]
後悔は$Thetaleft(mfrac12cdotfrac11-2-Tright)$で半直線的に成長するので、指数関数的に$Theta(sqrtm)$に収束する。これらの調査結果は、限定的なオンライン学習と最適化の利点を浮き彫りにしている。
論文参考訳（メタデータ） (2024-06-20T23:00:25Z)
Exploring the Mystery of Influential Data for Mathematical Reasoning [127.61978092016228]
数学的推論のためのQaDS(Quality-Aware Diverse Selection)戦略を提案する。他の選択戦略との比較は、QaDSの優位性を検証する。 OpenMathMixでは、7Bベースモデルを用いたMATHで最先端の48.8%の精度を実現している。
論文参考訳（メタデータ） (2024-04-01T12:01:06Z)
LESS: Selecting Influential Data for Targeted Instruction Tuning [64.78894228923619]
本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。 LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
論文参考訳（メタデータ） (2024-02-06T19:18:04Z)
Strategizing against Learners in Bayesian Games [74.46970859427907]
プレイヤーの1人である学習者が無学習の学習戦略を採用する2人プレイヤゲームについて検討した。一般のベイズゲームでは,学習者と学習者の双方の報酬の支払いが,そのタイプに依存する可能性がある。
論文参考訳（メタデータ） (2022-05-17T18:10:25Z)
Learning MDPs from Features: Predict-Then-Optimize for Sequential Decision Problems by Reinforcement Learning [52.74071439183113]
我々は、強化学習を通して解決された逐次決定問題(MDP)の文脈における予測列最適化フレームワークについて検討した。 2つの重要な計算課題は、意思決定中心の学習をMDPに適用することである。
論文参考訳（メタデータ） (2021-06-06T23:53:31Z)
Optimising Long-Term Outcomes using Real-World Fluent Objectives: An Application to Football [16.456411166427188]
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。
論文参考訳（メタデータ） (2021-02-18T16:42:04Z)
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)
Using Player's Body-Orientation to Model Pass Feasibility in Soccer [7.205450793637325]
本稿では,サッカーの試合のモノラルな映像から,任意の時間に最も実現可能なパスを推定する計算モデルを提案する。この方法は、攻撃的な選手の方向(および位置)と相手の空間構成を利用して、同じチームの選手内でのパスイベントの実現可能性を計算する。その結果、配向を実現可能性尺度として含めることで、ロバストな計算モデルを構築することができ、0.7 Top-3の精度に達することが示されている。
論文参考訳（メタデータ） (2020-04-15T17:09:51Z)
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。