論文の概要: Performance Insights-based AI-driven Football Transfer Fee Prediction

• arxiv url: http://arxiv.org/abs/2401.16795v1
• Date: Tue, 30 Jan 2024 07:16:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 15:58:20.057468
• Title: Performance Insights-based AI-driven Football Transfer Fee Prediction
• Title（参考訳）: performance insightsベースのai駆動のサッカー転送手数料予測
• Authors: Daniil Sulimov
• Abstract要約: 我々は,選手の移動料金を予測する人工知能アプローチを開発した。 このモデルは、クラブがどのプレイヤーを購入、販売するかをよりよく決定するのに役立ち、パフォーマンスの向上とクラブ予算の増大につながる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We developed an artificial intelligence approach to predict the transfer fee of a football player. This model can help clubs make better decisions about which players to buy and sell, which can lead to improved performance and increased club budgets. Having collected data on player performance, transfer fees, and other factors that might affect a player's value, we then used this data to train a machine learning model that can accurately predict a player's impact on the game. We further passed the obtained results as one of the features to the predictor of transfer fees. The model can help clubs identify players who are undervalued and who could be sold for a profit. It can also help clubs avoid overpaying for players. We believe that our model can be a valuable tool for football clubs. It can help them make better decisions about player recruitment and transfers.
• Abstract（参考訳）: サッカー選手の転校料を予測するための人工知能手法を開発した。 このモデルは、クラブがどのプレイヤーを購入、販売するかをよりよく決定するのに役立ち、パフォーマンスの向上とクラブ予算の増大につながる。 プレイヤーのパフォーマンス、転送手数料、プレイヤーの価値に影響するその他の要因に関するデータを収集し、このデータを使用して、プレイヤーがゲームに与える影響を正確に予測できる機械学習モデルをトレーニングしました。 さらに, 転送手数料の予測者にその特徴の1つとして, 得られた結果を渡した。 このモデルは、過小評価され、利益のために売られるプレイヤーを特定するのに役立つ。 また、クラブは選手への過払いを回避できる。 私たちのモデルはサッカークラブにとって貴重なツールだと信じています。 プレイヤーの募集や転職に関するより良い意思決定を助けることができる。

関連論文リスト

• Transcendence: Generative Models Can Outperform The Experts That Train Them [55.885802048647655]
  生成モデルがデータを生成する専門家の能力を超える能力を達成するとき、超越現象を研究する。 我々は,自動回帰変換器をトレーニングして,ゲームスクリプティングからチェスを学習し,トレーニングされたモデルが,データセットのすべてのプレイヤーよりも優れたパフォーマンスが得られることを示す。
  論文  参考訳（メタデータ） (2024-06-17T17:00:52Z)
• 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)
• Improving Language Model Negotiation with Self-Play and In-Context Learning from AI Feedback [97.54519989641388]
  交渉ゲームにおいて,複数大言語モデル(LLM)が,遊び,振り返り,批判によって自律的に互いに改善できるかどうかを検討する。 私たちが考慮している言語モデルのサブセットだけが、AIフィードバックから自己プレイし、取引価格を改善することができます。
  論文  参考訳（メタデータ） (2023-05-17T11:55:32Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• A Machine Learning Approach for Player and Position Adjusted Expected Goals in Football (Soccer) [0.0]
  期待されるゴール(xG)は、単なるスコアライン以上の洞察を可能にする。 本稿では,フットボールイベントデータに応用された機械学習アプリケーションについて述べる。 このモデルは15,575発のショットに基づいて,サッカー選手のxGs確率の予測に成功した。
  論文  参考訳（メタデータ） (2023-01-19T22:17:38Z)
• Betting the system: Using lineups to predict football scores [0.0]
  本稿では,決勝点におけるラインアップの役割を分析し,サッカーにおけるランダム性を低減することを目的とする。 サッカークラブはラインナップに数百万ドルを投資し、個々の統計がより良い結果にどのように変換するかを知ることで投資を最適化することができる。 スポーツの賭けは指数関数的に増加しており、将来を予測することは利益があり、望ましい。
  論文  参考訳（メタデータ） (2022-10-12T15:47:42Z)
• Machine Learning Modeling to Evaluate the Value of Football Players [0.0]
  本研究では,機械学習モデルの構築に基づく,現在のサッカー選手の価値を評価する新しい手法について検討する。 このプロジェクトで使用された選手のデータは、いくつかのサッカーウェブサイトにある。 その動機は、サッカー選手の異なる特徴と彼らの給与の関係を探ることである。
  論文  参考訳（メタデータ） (2022-07-22T22:34:52Z)
• 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)
• Transfer Portal: Accurately Forecasting the Impact of a Player Transfer in Soccer [0.0]
  異なるリーグ間で転送される場合、将来のプレイヤーのパフォーマンスを予測することは複雑な作業である。 本稿では,これらの問題に対処し,今後の性能を正確に予測する手法を提案する。 我々のTransfer Portalモデルは、プレイヤー、チーム、リーグのスタイリスティックなレベルの入力表現と能力レベルの入力表現の両方にパーソナライズされたニューラルネットワークを使用して、選択されたクラブの選手のパフォーマンスをシミュレートする。
  論文  参考訳（メタデータ） (2022-01-27T14:15:09Z)
• 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)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。