Fugu-MT 論文翻訳(概要): A study on Machine Learning Approaches for Player Performance and Match Results Prediction

論文の概要: A study on Machine Learning Approaches for Player Performance and Match Results Prediction

arxiv url: http://arxiv.org/abs/2108.10125v1
Date: Mon, 23 Aug 2021 12:49:57 GMT
ステータス: 処理完了
システム内更新日: 2021-08-24 18:15:22.758011
Title: A study on Machine Learning Approaches for Player Performance and Match Results Prediction
Title（参考訳）: プレイヤーのパフォーマンスと試合結果予測のための機械学習手法に関する研究
Authors: Harsh Mittal, Deepak Rikhari, Jitendra Kumar, Ashutosh Kumar Singh
Abstract要約: 機械学習の分野で進歩しているので、クリケットの試合の結果を予測することは根本的な問題となっている。複数の研究者がクリケットの試合やトーナメントの結果を予測したり、試合中の選手のパフォーマンスを予測したり、現在のパフォーマンス、フォーム、モラルなどに基づいて選択すべき選手を予測しようとした。これらの技法のいくつかと、これらの技法の簡単な比較について論じる。
参考スコア（独自算出の注目度）: 2.82163744818616
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cricket is unarguably one of the most popular sports in the world. Predicting the outcome of a cricket match has become a fundamental problem as we are advancing in the field of machine learning. Multiple researchers have tried to predict the outcome of a cricket match or a tournament, or to predict the performance of players during a match, or to predict the players who should be selected as per their current performance, form, morale, etc. using machine learning and artificial intelligence techniques keeping in mind extensive detailing, features, and parameters. We discuss some of these techniques along with a brief comparison among these techniques.
Abstract（参考訳）: クリケットは世界でもっとも人気のあるスポーツの1つだ。機械学習の分野において、クリケットの試合の結果を予測することは根本的な問題となっている。複数の研究者がクリケットの試合やトーナメントの結果を予測したり、試合中の選手のパフォーマンスを予測したり、現在のパフォーマンス、フォーム、モラルなどに応じて選択すべき選手を予測することを試みた。機械学習と人工知能の技術を使用して、詳細な詳細、特徴、パラメータを念頭に置いています。これらの技法のいくつかについて、簡単な比較とともに議論する。

関連論文リスト

Supervised Learning for Table Tennis Match Prediction [2.7835697868135902]
本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
論文参考訳（メタデータ） (2023-03-28T17:42:13Z)
Prediction of the outcome of a Twenty-20 Cricket Match : A Machine Learning Approach [1.417373050337415]
我々は、T20クリケットマッチの結果を予測するために、4つの異なる機械学習アプローチを試す。具体的には、競技チームに関わる選手の過去のパフォーマンス統計、評価されたクリケット統計ウェブサイトから得られた選手のレーティング、類似したパフォーマンス統計をクラスタリングし、ELOに基づくプレイヤーの評価手法を用いた新しい手法を提案する。本稿では,ロジスティック回帰,サポートベクタマシン,ベイズネットワーク,決定木,ランダムフォレストなど,さまざまなMLアルゴリズムを用いて,これらの特徴工学手法の性能を比較した。
論文参考訳（メタデータ） (2022-09-13T23:43:36Z)
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)
Prediction of IPL Match Outcome Using Machine Learning Techniques [0.0]
インド・プレミアリーグ(英語: Indian Premier League、IPL)は、インドのサッカークラブである。ライブストリーミング、ラジオ、テレビ放送など多くの要素がこのリーグをクリケットファンの間で人気を博した。 IPLマッチの結果を予測することは、オンライントレーダーやスポンサーにとって非常に重要である。
論文参考訳（メタデータ） (2021-09-30T09:45:34Z)
Evaluating Team Skill Aggregation in Online Competitive Games [4.168733556014873]
本稿では,2つの新しい集計手法が評価システムの予測性能に与える影響について分析する。以上の結果から,テストケースの大部分において,MAX法が他の2手法よりも優れていることが示された。本研究の結果は,チームのパフォーマンスを計算するために,より精巧な手法を考案する必要性を浮き彫りにした。
論文参考訳（メタデータ） (2021-06-21T20:17:36Z)
Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文参考訳（メタデータ） (2020-11-18T10:26:02Z)
Analysing Long Short Term Memory Models for Cricket Match Outcome Prediction [0.0]
近年,様々な機械学習技術を用いてクリケットマッチングデータを解析し,試合結果の勝敗を予測している。本稿では,ボール・バイ・ボールの統計値から,試合の勝利確率を一定間隔で予測できる新しいリカレントニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2020-11-04T04:49:11Z)
Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は、競合する社会的影響に基づく新しい学習メカニズムの提供に焦点を当てる。本研究は,競争競合の概念に基づいて,これらのエージェントの評価を人的視点から変えられるかを検討することを目的とする。
論文参考訳（メタデータ） (2020-11-02T21:54:18Z)
Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文参考訳（メタデータ） (2020-08-14T12:00:58Z)
Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文参考訳（メタデータ） (2020-07-10T09:33:05Z)
Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
論文参考訳（メタデータ） (2020-04-08T14:11:05Z)

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。