論文の概要: An interactive dashboard for searching and comparing soccer performance scores

• arxiv url: http://arxiv.org/abs/2105.04293v1
• Date: Tue, 11 May 2021 13:39:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-14 07:19:06.967599
• Title: An interactive dashboard for searching and comparing soccer performance scores
• Title（参考訳）: サッカーのパフォーマンススコアを検索・比較するためのインタラクティブダッシュボード
• Authors: Paolo Cintia, Giovanni Mauro, Luca Pappalardo, Paolo Ferragina
• Abstract要約: オンラインで利用可能なダッシュボードは、プレイヤーのパフォーマンスの進化を比較する効果的な方法を提供しません。 本稿では,パフォーマンス評価アルゴリズムを用いてAPIを介して対話するWebダッシュボードの設計について述べる。 ユーザーが年齢、役割、成長傾向によってプレイヤーを検索または比較できるツールを提供し、ピッチング行動に基づいて同様のプレイヤーを見つけ、アルゴリズムのパラメータを変更して、カスタマイズされたパフォーマンススコアを得る。
• 参考スコア（独自算出の注目度）: 2.645763027296508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The performance of soccer players is one of most discussed aspects by many actors in the soccer industry: from supporters to journalists, from coaches to talent scouts. Unfortunately, the dashboards available online provide no effective way to compare the evolution of the performance of players or to find players behaving similarly on the field. This paper describes the design of a web dashboard that interacts via APIs with a performance evaluation algorithm and provides graphical tools that allow the user to perform many tasks, such as to search or compare players by age, role or trend of growth in their performance, find similar players based on their pitching behavior, change the algorithm's parameters to obtain customized performance scores. We also describe an example of how a talent scout can interact with the dashboard to find young, promising talents.
• Abstract（参考訳）: サッカー選手のパフォーマンスは、サッカー業界における多くの俳優によって最も議論された側面の1つであり、サポーターからジャーナリスト、コーチからタレントスカウトまでである。 残念ながら、オンラインで利用可能なダッシュボードは、プレイヤーのパフォーマンスの進化を比較したり、フィールドで同じように振る舞うプレイヤーを見つける効果的な方法を提供していません。 本稿では,apiを介してパフォーマンス評価アルゴリズムと対話するwebダッシュボードの設計について述べるとともに,プレイヤーの年齢,役割,成長傾向によるプレイヤーの探索や比較,投球行動に基づく類似のプレイヤーの探索,アルゴリズムのパラメータの変更によるパフォーマンススコアのカスタマイズなど,多くのタスクをユーザに提供するグラフィカルツールを提供する。 また、タレントスカウトがダッシュボードと対話して、若く有望なタレントを見つける方法の例についても説明する。

関連論文リスト

• RisingBALLER: A player is a token, a match is a sentence, A path towards a foundational model for football players data analytics [0.0]
  RisingBALLERは、フットボールの試合データに基づいてトレーニングされたトランスフォーマーモデルを利用して、マッチ固有のプレーヤー表現を学習する最初の公開アプローチである。 単純な機械学習モデル以上の、RisingBALLERは、プレーヤーのための高度な基礎的特徴を学習することによって、フットボールデータ分析を変換するように設計された包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-10-01T14:39:22Z)
• An efficient machine learning approach for extracting eSports players distinguishing features and classifying their skill levels using symbolic transfer entropy and consensus nested cross validation [0.0]
  センサーデータと機械学習が組み合わさって、eSportsプレーヤーの分類に有効であることがすでに証明されている。 本稿では,これらの特徴を効果的に発見し,プレイヤーのスキルレベルを分類する手法を提案する。 分類結果は90.1%の精度で大幅に改善された。
  論文  参考訳（メタデータ） (2024-05-08T15:22:12Z)
• Player Pressure Map -- A Novel Representation of Pressure in Soccer for Evaluating Player Performance in Different Game Contexts [0.5120567378386615]
  本論文は,サッカーの試合シーンにおいて,保持チームが経験したプレッシャーを捉えるために,トラッキングデータとイベント映像とゲーム映像の両方を活用することを目的とする。 そこで本稿では,ゲームシーンを表すプレーヤの圧力マップを提案し,生データの次元を低くし,コンテキスト情報も豊富に含んでいる。
  論文  参考訳（メタデータ） (2024-01-29T15:34:49Z)
• About latent roles in forecasting players in team sports [47.066729480128856]
  チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。 RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
  論文  参考訳（メタデータ） (2023-04-17T13:33:23Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。 提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
  論文  参考訳（メタデータ） (2022-08-22T14:06:06Z)
• Machine Learning Modeling to Evaluate the Value of Football Players [0.0]
  本研究では,機械学習モデルの構築に基づく,現在のサッカー選手の価値を評価する新しい手法について検討する。 このプロジェクトで使用された選手のデータは、いくつかのサッカーウェブサイトにある。 その動機は、サッカー選手の異なる特徴と彼らの給与の関係を探ることである。
  論文  参考訳（メタデータ） (2022-07-22T22:34:52Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)

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。