論文の概要: Efficient Feature Representations for Cricket Data Analysis using Deep
Learning based Multi-Modal Fusion Model
- arxiv url: http://arxiv.org/abs/2108.07139v1
- Date: Mon, 16 Aug 2021 15:14:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 15:24:44.258532
- Title: Efficient Feature Representations for Cricket Data Analysis using Deep
Learning based Multi-Modal Fusion Model
- Title（参考訳）: ディープラーニングに基づくマルチモーダル融合モデルを用いたクリケットデータ解析のための効率的な特徴表現
- Authors: Souridas Alaka, Rishikesh Sreekumar, Hrithwik Shalu
- Abstract要約: 本研究では,適応型(学習可能な)埋め込みを用いた関係特徴の表現について検討した。
この研究に使用されるデータは、古典的なT20トーナメントIPL(インディアン・プレミアリーグ)から収集される。
- 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: Data analysis has become a necessity in the modern era of cricket. Everything
from effective team management to match win predictions use some form of
analytics. Meaningful data representations are necessary for efficient analysis
of data. In this study we investigate the use of adaptive (learnable)
embeddings to represent inter-related features (such as players, teams, etc).
The data used for this study is collected from a classical T20 tournament IPL
(Indian Premier League). To naturally facilitate the learning of meaningful
representations of features for accurate data analysis, we formulate a deep
representation learning framework which jointly learns a custom set of
embeddings (which represents our features of interest) through the minimization
of a contrastive loss. We base our objective on a set of classes obtained as a
result of hierarchical clustering on the overall run rate of an innings. It's
been assessed that the framework ensures greater generality in the obtained
embeddings, on top of which a task based analysis of overall run rate
prediction was done to show the reliability of the framework.
- Abstract（参考訳）: 現代のクリケットではデータ分析が必須となっている。
効果的なチーム管理から、勝利予測まで、すべてが何らかの分析方法を使用します。
効率的なデータ分析には有意義なデータ表現が必要である。
本研究では,適応型(学習可能な)埋め込みを用いて,関係する特徴(プレイヤー,チームなど)を表現する。
この研究に使用されるデータは、古典的なT20トーナメントIPL(Indian Premier League)から収集される。
正確なデータ分析のための特徴の有意義な表現の学習を自然に促進するため、コントラスト損失の最小化により、独自の埋め込み(興味のある特徴を表す)を共同で学習する深層表現学習フレームワークを定式化する。
我々は,inningsの全体的な実行率に基づいて階層的クラスタリングによって得られた一連のクラスを対象とする。
フレームワークは、フレームワークの信頼性を示すために、全体的な実行率予測のタスクベースの分析が行われた。
関連論文リスト
- ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
認知のための行動認識型身体学習(ALP)について紹介する。
ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。
ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-06-16T21:51:04Z) - Short Answer Grading Using One-shot Prompting and Text Similarity
Scoring Model [2.14986347364539]
分析スコアと全体スコアの両方を提供する自動短解階調モデルを開発した。
このモデルの精度と2次重み付きカッパは、ASAGデータセットのサブセットである0.67と0.71であった。
論文 参考訳（メタデータ） (2023-05-29T22:05:29Z) - The Trade-off between Universality and Label Efficiency of
Representations from Contrastive Learning [32.15608637930748]
2つのデシダラタの間にはトレードオフがあることを示し、同時に両方を達成できない可能性があることを示す。
我々は、理論データモデルを用いて分析を行い、より多様な事前学習データにより、異なるタスクに対してより多様な機能が得られる一方で、タスク固有の機能に重点を置いていないことを示す。
論文 参考訳（メタデータ） (2023-02-28T22:14:33Z) - An Empirical Investigation of Commonsense Self-Supervision with
Knowledge Graphs [67.23285413610243]
大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。
本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
論文 参考訳（メタデータ） (2022-05-21T19:49:04Z) - Improved Fine-tuning by Leveraging Pre-training Data: Theory and
Practice [52.11183787786718]
対象データに事前学習されたモデルを微調整することは、多くのディープラーニングアプリケーションで広く利用されている。
近年の研究では、スクラッチからのトレーニングが、この事前トレーニング戦略に比較して、最終的なパフォーマンスを示すことが実証されている。
本稿では,対象タスクの一般化を改善するために,事前学習データからサブセットを選択する新しい選択戦略を提案する。
論文 参考訳（メタデータ） (2021-11-24T06:18:32Z) - Representation Matters: Assessing the Importance of Subgroup Allocations
in Training Data [85.43008636875345]
訓練データにおける多様な表現は,サブグループのパフォーマンス向上と集団レベルの目標達成の鍵である。
分析と実験は、データセット構成がパフォーマンスにどのように影響するかを説明し、既存のデータにおけるトレンドとドメイン知識を用いて、意図的かつ客観的なデータセット設計を導くのに役立つ構成結果を提供する。
論文 参考訳（メタデータ） (2021-03-05T00:27:08Z) - Adaptive Prototypical Networks with Label Words and Joint Representation
Learning for Few-Shot Relation Classification [17.237331828747006]
本研究は,少ショット関係分類(FSRC)に焦点を当てる。
クラスプロトタイプの表現にラベル単語を追加するための適応的混合機構を提案する。
FewRelでは、異なる数ショット(FS)設定で実験が行われた。
論文 参考訳（メタデータ） (2021-01-10T11:25:42Z) - Self-Supervision based Task-Specific Image Collection Summarization [3.115375810642661]
本稿では,意味情報と自己スーパービジョンを用いたタスク固有画像コーパス要約手法を提案する。
特徴生成ネットワークとして,分類に基づくWasserstein generation adversarial Network (WGAN) を用いる。
モデルは、セマンティック埋め込み空間におけるK平均クラスタリングを用いて、推論時に要約を生成する。
論文 参考訳（メタデータ） (2020-12-19T10:58:04Z) - Relation-Guided Representation Learning [53.60351496449232]
本稿では,サンプル関係を明示的にモデル化し,活用する表現学習手法を提案する。
私たちのフレームワークは、サンプル間の関係をよく保存します。
サンプルをサブスペースに埋め込むことにより,本手法が大規模なサンプル外問題に対処可能であることを示す。
論文 参考訳（メタデータ） (2020-07-11T10:57:45Z) - ReClor: A Reading Comprehension Dataset Requiring Logical Reasoning [85.33459673197149]
標準化された大学院受験試験から抽出した論理的推論(ReClor)を必要とする新たな読解データセットを提案する。
本稿では、偏りのあるデータポイントを識別し、それらをEASY集合と残りをHARD集合に分離することを提案する。
実験結果によると、最先端のモデルでは、データセットに含まれるバイアスをEASYセット上で高精度にキャプチャする能力に優れていた。
しかし、彼らはランダムな推測に近い性能のHARDセットに苦慮しており、現在のモデルの論理的推論能力を本質的に向上させるためには、より多くの研究が必要であることを示している。
論文 参考訳（メタデータ） (2020-02-11T11:54:29Z)
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。