論文の概要: Development of an expected possession value model to analyse team attacking performances in rugby league

• arxiv url: http://arxiv.org/abs/2105.05303v1
• Date: Wed, 5 May 2021 16:54:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-14 12:32:39.936926
• Title: Development of an expected possession value model to analyse team attacking performances in rugby league
• Title（参考訳）: ラグビーリーグにおけるチームアタックパフォーマンス分析のための期待所有価値モデルの開発
• Authors: Thomas Sawczuk, Anna Palczewska and Ben Jones
• Abstract要約: 本研究の目的は,EPVモデルを用いてラグビーリーグにおけるチーム攻撃性能を評価する枠組みを提供することであった。 EPV-308 は EPV-77 や EPV-19 と比較して最大の変動率と最低値を持っていた。 以前の6試合が検討された時、続く試合では、EPV-19、EPV-77、EPV-308に同様の報酬が分配された。
• 参考スコア（独自算出の注目度）: 0.8086304611950227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study aimed to provide a framework to evaluate team attacking performances in rugby league using 59,233 plays from 180 Super League matches via expected possession value (EPV) models. The EPV-308 split the pitch into 308 5m x 5m zones, the EPV-77 split the pitch into 77 10m x 10m zones and the EPV-19 split the pitch in 19 zones of variable size dependent on the total zone value generated during a match. Attacking possessions were considered as Markov Chains, allowing the value of each zone visited to be estimated based on the outcome of the possession. The Kullback-Leibler Divergence was used to evaluate the reproducibility of the value generated from each zone (the reward distribution) by teams between matches. The EPV-308 had the greatest variability and lowest reproducibility, compared to EPV-77 and EPV-19. When six previous matches were considered, the team's subsequent match attacking performances had a similar reward distribution for EPV-19, EPV-77 and EPV-308 on 95 +/- 4%, 51 +/- 12% and 0 +/- 0% of occasions. This study supports the use of EPV-19 to evaluate team attacking performance in rugby league and provides a simple framework through which attacking performances can be compared between teams.
• Abstract（参考訳）: 本研究の目的は,スーパーリーグ180試合の59,233試合をEPVモデルを用いて,ラグビーリーグにおけるチーム攻撃性能を評価する枠組みを提供することである。 EPV-308はピッチを308 5m x 5mのゾーンに分割し、EPV-77はピッチを77 10m x 10mのゾーンに分割し、EPV-19はピッチを試合中に生成された総ゾーン値に依存する19のゾーンに分割した。 攻撃的な所有物はマルコフ連鎖と見なされ、所有物の結果に基づいて各ゾーンの値が推定された。 Kullback-Leibler Divergenceは、各ゾーンから生成された値(報酬分布)の再現性を評価するために使用された。 EPV-308 は EPV-77 や EPV-19 と比較して最大の変動性と再現性が低い。 以前の6試合が検討された時、試合後の試合では、95+/-4%、51+/-12%、0+/-0%で、EPV-19、EPV-77、EPV-308に同様の報酬分布があった。 本研究は,ラグビーリーグにおけるチームアタックパフォーマンスを評価するためのEVV-19の利用を支援し,チーム間でアタックパフォーマンスを比較するための簡単なフレームワークを提供する。

関連論文リスト

• Evolving Alignment via Asymmetric Self-Play [52.3079697845254]
  本稿では、2人のプレーヤー間の非対称ゲームとしてアライメントをキャストする一般オープンエンドなRLHFフレームワークを提案する。 Asymmetric Self-Play (eva) によるアライメントの進化(Evolving Alignment)というこのフレームワークは、既存のRLHFアルゴリズムを拡張性のあるアライメントに利用できるシンプルで効率的なアプローチをもたらす。
  論文  参考訳（メタデータ） (2024-10-31T08:15:32Z)
• Modeling and Prediction of the UEFA EURO 2024 via Combined Statistical Learning Approaches [0.0]
  基本的に異なる3つの機械学習モデルを組み合わせて、UEFA EURO 2024を予測するための新しいジョイントモデルを作成する。 この目的のために、このトーナメントは、全ての試合で予想されるゴール数に基づいて、100,000回シミュレートされる。 フランスは19.2%、イギリスは16.7%、ドイツは13.7%である。
  論文  参考訳（メタデータ） (2024-10-01T07:48:16Z)
• Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
  本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。 モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
  論文  参考訳（メタデータ） (2024-08-02T19:14:49Z)
• Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation [0.0]
  本稿では、広く使われているモデル、期待所有値(EPV)に複数の拡張を導入する。 撮影直前に発生する事象に、先行する出来事よりも重みを割り当てる(デカイ効果)。 本モデルでは, 減衰効果と有効演奏時間を考慮することにより, 保持リスクをより正確に評価する。
  論文  参考訳（メタデータ） (2024-06-02T17:29:42Z)
• Lasso Ridge based XGBoost and Deep_LSTM Help Tennis Players Perform better [1.6016817180824583]
  プレイヤーの性能を評価し,運動量効果を定量化するために,スライディングウインドウを用いたスコアリングモデルを開発した。 本稿では、LSTM_Deepモデルを用いて、ゲーム変動を定量化するための勝利率アルゴリズムの導出法を提案する。 本研究は,運動量動態とゲームゆらぎに着目し,スポーツ分析や選手のトレーニング戦略に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-05-11T15:02:08Z)
• 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)
• G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks through Attributed Client Graph Clustering [116.4277292854053]
  Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。 FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。 本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:15:04Z)
• For SALE: State-Action Representation Learning for Deep Reinforcement Learning [60.42044715596703]
  SALEは、状態と行動の間のニュアンスな相互作用をモデル化する埋め込みを学ぶための新しいアプローチである。 我々は、SALEとRLのチェックポイントをTD3に統合し、TD7アルゴリズムを構成する。 OpenAIのジムのベンチマークタスクでは、TD7は平均276.7%、TD3よりも50.7%、それぞれ300k、500Mのタイムステップでパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2023-06-04T19:47:46Z)
• Region Rebalance for Long-Tailed Semantic Segmentation [89.84860341946283]
  まず、ピクセル再バランスによってこの問題に対処する主な課題を調査し、特定する。 そして,本分析に基づいて,単純かつ効果的な領域再バランス方式を導出する。 提案された領域再均衡スキームでは、最先端のBEiTはADE20K val集合上のmIoUで+0.7%上昇する。
  論文  参考訳（メタデータ） (2022-04-05T03:47:47Z)
• A framework for the fine-grained evaluation of the instantaneous expected value of soccer possessions [1.0224234677367114]
  本研究では,サッカーの実践者に対して,観察行動と潜在的行動の両方の影響を評価するための総合的な分析フレームワークを開発する。 サッカーにおける未解明問題の集合を含む,EVVのすべてのコンポーネントのモデルが得られることを示す。
  論文  参考訳（メタデータ） (2020-11-18T17:51:22Z)
• 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。