Fugu-MT 論文翻訳(概要): Investigating Fouling Efficiency in Football Using Expected Booking (xB) Model

論文の概要: Investigating Fouling Efficiency in Football Using Expected Booking (xB) Model

arxiv url: http://arxiv.org/abs/2401.08718v1
Date: Tue, 16 Jan 2024 05:21:51 GMT
ステータス: 処理完了
システム内更新日: 2024-01-18 18:12:11.095715
Title: Investigating Fouling Efficiency in Football Using Expected Booking (xB) Model
Title（参考訳）: 期待予約(xb)モデルを用いたサッカーのファウリング効率の検討
Authors: Adnan Azmat, Su Su Yi
Abstract要約: 本稿では,サッカーにおけるイエローカードの出現確率を推定する新しい指標である期待予約(xB)モデルを提案する。 FIFAワールドカップ2022データの分析は、チームとプレーヤのファウリング戦術に関する洞察を提供する上で、モデルの有効性を検証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces the Expected Booking (xB) model, a novel metric designed to estimate the likelihood of a foul resulting in a yellow card in football. Through three iterative experiments, employing ensemble methods, the model demonstrates improved performance with additional features and an expanded dataset. Analysis of FIFA World Cup 2022 data validates the model's efficacy in providing insights into team and player fouling tactics, aligning with actual defensive performance. The xB model addresses a gap in fouling efficiency examination, emphasizing defensive strategies which often overlooked. Further enhancements are suggested through the incorporation of comprehensive data and spatial features.
Abstract（参考訳）: 本稿では,サッカーでイエローカードが発生するファウルの確率を推定するための新しい指標であるexpected booking (xb) modelを紹介する。このモデルは,アンサンブル手法を用いた3つの反復実験を通じて,追加機能と拡張データセットによるパフォーマンス向上を実証する。 FIFAワールドカップ2022データの分析は、チームとプレーヤーのファウリング戦術に関する洞察を提供する上で、実際の防御性能と一致したモデルの有効性を検証する。 xBモデルは、しばしば見過ごされる防衛戦略を強調する、ファウリング効率試験のギャップに対処する。包括的データと空間的特徴を取り入れることでさらなる拡張を提案する。

関連論文リスト

Pseudo-Probability Unlearning: Towards Efficient and Privacy-Preserving Machine Unlearning [59.29849532966454]
本稿では,PseudoProbability Unlearning (PPU)を提案する。提案手法は,最先端の手法に比べて20%以上の誤りを忘れる改善を実現している。
論文参考訳（メタデータ） (2024-11-04T21:27:06Z)
Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
論文参考訳（メタデータ） (2024-05-27T17:59:39Z)
Foul prediction with estimated poses from soccer broadcast video [0.9002260638342727]
サッカーのファウルを予想する革新的な深層学習手法を導入する。本手法は,新しいサッカーファールデータセットをキュレートすることで,映像データ,ボックス位置のバウンディング,画像詳細,ポーズ情報を統合する。この結果はサッカーにおけるファールプレイの深い理解に重要な意味を持つ。
論文参考訳（メタデータ） (2024-02-15T01:25:19Z)
Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
論文参考訳（メタデータ） (2024-02-07T13:41:53Z)
ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文参考訳（メタデータ） (2023-12-18T05:37:51Z)
TEA: Test-time Energy Adaptation [67.4574269851666]
テスト時間適応(TTA)は、テストデータがトレーニング分布から分岐する際のモデル一般化性を改善することを目的としている。本稿では,対象データ分布に対するモデルによる認識を高めるための,新しいエネルギーベース視点を提案する。
論文参考訳（メタデータ） (2023-11-24T10:49:49Z)
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)
Transformer-Based Neural Marked Spatio Temporal Point Process Model for Football Match Events Analysis [0.6946929968559495]
本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
論文参考訳（メタデータ） (2023-02-18T10:02:45Z)
Explainable expected goal models for performance analysis in football analytics [5.802346990263708]
本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
論文参考訳（メタデータ） (2022-06-14T23:56:03Z)
Enhancing Trajectory Prediction using Sparse Outputs: Application to Team Sports [6.26476800426345]
プレイヤー予測のためにディープラーニングモデルをトレーニングするのは、驚くほど難しいかもしれません。本研究では,スパース軌道の予測と一定加速度による補間によりトレーニングを改善する新しい手法を提案する。我々は,他の選手の完全な軌跡を条件にすることで,プレイヤーのサブセットに対する予測軌跡の精度を向上できることを見出した。
論文参考訳（メタデータ） (2021-06-01T01:43:19Z)

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。