論文の概要: Identification of pattern mining algorithm for rugby league players positional groups separation based on movement patterns

• arxiv url: http://arxiv.org/abs/2302.14058v1
• Date: Sat, 25 Feb 2023 12:23:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 19:17:41.482485
• Title: Identification of pattern mining algorithm for rugby league players positional groups separation based on movement patterns
• Title（参考訳）: 運動パターンに基づくラグビーリーグ選手の位置群分離のためのパターンマイニングアルゴリズムの同定
• Authors: Victor Elijah Adeyemo, Anna Palczewska, Ben Jones, Dan Weaving
• Abstract要約: 3つのパターンマイニングアルゴリズムは、エリートラグビーフットボールリーグのフッカーとウィングラーをプロファイルするために使用された。 機械学習の分類アルゴリズムは、どのアルゴリズムが最高の動きパターンを与えるかを特定するために使われた。 LCCspm と LCS の運動パターンは、0.19 Jaccard の類似点を共有している。 AprioriClose 運動パターンは LCCspm パターンと LCS パターンと有意な類似性は認められなかった。
• 参考スコア（独自算出の注目度）: 0.32324745341378774
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The application of pattern mining algorithms to extract movement patterns from sports big data can improve training specificity by facilitating a more granular evaluation of movement. As there are various pattern mining algorithms, this study aimed to validate which algorithm discovers the best set of movement patterns for player movement profiling in professional rugby league and the similarity in extracted movement patterns between the algorithms. Three pattern mining algorithms (l-length Closed Contiguous [LCCspm], Longest Common Subsequence [LCS] and AprioriClose) were used to profile elite rugby football league hookers (n = 22 players) and wingers (n = 28 players) match-games movements across 319 matches. Machine learning classification algorithms were used to identify which algorithm gives the best set of movement patterns to separate playing positions with Jaccard similarity score identifying the extent of similarity between algorithms' movement patterns. LCCspm and LCS movement patterns shared a 0.19 Jaccard similarity score. AprioriClose movement patterns shared no significant similarity with LCCspm and LCS patterns. The closed contiguous movement patterns profiled by LCCspm best-separated players into playing positions. Multi-layered Perceptron algorithm achieved the highest accuracy of 91.02% and precision, recall and F1 scores of 0.91 respectively. Therefore, we recommend the extraction of closed contiguous (consecutive) over non-consecutive movement patterns for separating groups of players.
• Abstract（参考訳）: スポーツビッグデータから運動パターンを抽出するためのパターンマイニングアルゴリズムの適用は,運動のより詳細な評価を容易にすることにより,トレーニングの特異性を向上させる。 各種パターンマイニングアルゴリズムは,プロラグビーリーグにおける選手の動きパターンと,抽出した動きパターンの類似性について,どのアルゴリズムが最適な動きパターンを見つけるかを検証することを目的としている。 3つのパターンマイニングアルゴリズム (l-length closed contiguous [lccspm], long common subsequence [lcs], aprioriclose) を用いてエリートラグビーフットボールフットボールリーグフッカー (n = 22 player) とウィンガー (n = 28 players) のマッチゲームの動きを319試合にわたってプロファイルした。 機械学習の分類アルゴリズムは、アルゴリズムの動作パターン間の類似度を識別するjaccard類似度スコアを用いて、どのアルゴリズムがプレー位置を分離するために最適な動作パターンを与えるかを特定するために用いられた。 LCCspm と LCS の運動パターンは、0.19 Jaccard の類似点を共有している。 AprioriClose 運動パターンは LCCspm パターンと LCS パターンと有意な類似性は認められなかった。 lccspmベストセパレート選手がプロファイリングしたクローズド連続運動パターンはプレーポジションへ移行した。 多層パーセプトロンアルゴリズムは91.02%の精度と精度、リコール、F1スコアをそれぞれ0.91の精度で達成した。 そこで,プレイヤー集団を分離するために,非連続運動パターンよりも閉連続(連続)の抽出を推奨する。

関連論文リスト

• Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
  我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。 課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。 我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-08-20T13:57:00Z)
• 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)
• Battle royale optimizer with a new movement strategy [0.0]
  本稿では,探索と利用のバランスを改善するため,改良型BRO(M-BRO)を提案する。 この修正アルゴリズムの複雑さは、元のアルゴリズムと同じである。 その結果, 運動演算子を付加したBROは, 複雑な数値最適化問題を解くのに有効であることがわかった。
  論文  参考訳（メタデータ） (2022-01-19T16:36:13Z)
• Predicting the outcome of team movements -- Player time series analysis using fuzzy and deep methods for representation learning [0.0]
  我々は、より拡張された一連の動きや戦術計画において、短い戦術と宇宙占領の有用なエンコーディングのためのフレームワークを提供する。 本稿では,2015-16シーズンのプロバスケットボールSportVUデータセットにおける予測・認識タスクに対する提案手法の有効性について検討する。
  論文  参考訳（メタデータ） (2021-09-13T18:42:37Z)
• Towards General Function Approximation in Zero-Sum Markov Games [126.58493169301012]
  本稿では,同時移動を伴う2プレーヤゼロサム有限ホライゾンマルコフゲームについて考察する。 分離された設定とコーディネートされた設定の両方の効率的なアルゴリズムが開発されている。
  論文  参考訳（メタデータ） (2021-07-30T15:25:13Z)
• Detecting and Matching Related Objects with One Proposal Multiple Predictions [15.869997502372051]
  コストをかけずに、プレイヤーや関連オブジェクトを一度に検出・マッチングできるシンプルかつ効率的な方法を提案します。 本手法は,アイスホッケー映像の放送データと,coco +torsoと呼ばれる新しい公開データセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-04-23T14:37:10Z)
• Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
  コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。 我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。 有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
  論文  参考訳（メタデータ） (2021-01-21T10:35:09Z)
• Supervised sequential pattern mining of event sequences in sport to identify important patterns of play: an application to rugby union [16.064471560246858]
  スポーツにおいて、シーケンシャルなパターンマイニング技術は、良い結果や悪い結果に対する特定のパターンの重要性を判断できない。 本研究では、490個のラベル付きイベントシーケンスに対してセーフパターンプルーニングと呼ばれる,最近提案された教師付きシーケンシャルパターンマイニングアルゴリズムを適用した。 ラインブレーク、成功ラインアウト、プレー復帰キック、繰り返しフェーズブレークダウンプレイ、そして反対チームによる失敗エグジットプレイが、チームの得点と得点の最も多くを区別するパターンであることに気付きました。
  論文  参考訳（メタデータ） (2020-10-29T06:33:15Z)
• 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)
• LSF-Join: Locality Sensitive Filtering for Distributed All-Pairs Set Similarity Under Skew [58.21885402826496]
  全ペアセットの類似性は、大規模で高次元のデータセットであっても広く使われているデータマイニングタスクである。 我々は,全対集合の類似性を近似するために,新しい分散アルゴリズム LSF-Join を提案する。 LSF-Joinは、小さな類似度閾値やスキュー入力セットであっても、最も近いペアを効率的に見つける。
  論文  参考訳（メタデータ） (2020-03-06T00:06:20Z)

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。