Fugu-MT 論文翻訳(概要): Understanding team collapse via probabilistic graphical models

論文の概要: Understanding team collapse via probabilistic graphical models

arxiv url: http://arxiv.org/abs/2402.10243v1
Date: Wed, 14 Feb 2024 22:23:26 GMT
ステータス: 処理完了
システム内更新日: 2024-02-19 18:43:14.630006
Title: Understanding team collapse via probabilistic graphical models
Title（参考訳）: 確率的グラフィカルモデルによるチーム崩壊の理解
Authors: Iasonas Nikolaou, Konstantinos Pelechrinis, Evimaria Terzi
Abstract要約: 計算的観点からチーム崩壊現象を考察する。シミュレーションと実世界の実験を使って、チームの崩壊の主な原因を見つけます。回復力のあるチーム、すなわち崩壊を避けるチームを構築するという原則も提供します。
参考スコア（独自算出の注目度）: 4.627023679353508
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we develop a graphical model to capture team dynamics. We analyze the model and show how to learn its parameters from data. Using our model we study the phenomenon of team collapse from a computational perspective. We use simulations and real-world experiments to find the main causes of team collapse. We also provide the principles of building resilient teams, i.e., teams that avoid collapsing. Finally, we use our model to analyze the structure of NBA teams and dive deeper into games of interest.
Abstract（参考訳）: 本研究では,チームダイナミクスを捉えるグラフィカルモデルを開発する。モデルを分析し,そのパラメータをデータから学習する方法を示す。我々のモデルを用いて、計算の観点からチームの崩壊現象を研究する。シミュレーションと実世界の実験を使って、チームの崩壊の主な原因を見つけます。回復力のあるチーム、すなわち崩壊を避けるチームを構築するという原則も提供します。最後に、当社のモデルを使用してnbaチームの構造を分析し、関心のあるゲームに深く掘り下げます。

関連論文リスト

ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns [25.049072387358244]
自己組織化チーム内で対話型ターンテイクの計算モデルを開発する。個人の性格特性とチームのコミュニケーションパターンのギャップを埋めることで、私たちのモデルはチームプロセスの理論を伝えることができるのです。
論文参考訳（メタデータ） (2024-11-23T01:27:01Z)
Predicting soccer matches with complex networks and machine learning [0.0]
本研究の目的は,サッカーの試合結果を予測するための代替ツールとして,複雑なネットワークを利用することである。通過ネットワークに基づくモデルは、一般的なマッチング統計を用いた従来のモデルと同じくらい効果的であった。
論文参考訳（メタデータ） (2024-09-19T21:45:25Z)
Relational Learning in Pre-Trained Models: A Theory from Hypergraph Recovery Perspective [60.64922606733441]
我々は,関係学習をハイパーグラフリカバリとして形式化する数学的モデルを導入し,基礎モデル(FM)の事前学習について検討する。我々のフレームワークでは、世界はハイパーグラフとして表現され、データはハイパーエッジからランダムなサンプルとして抽象化される。我々は、このハイパーグラフを復元するための事前学習モデル(PTM)の有効性を理論的に検証し、ミニマックスに近い最適スタイルでデータ効率を解析する。
論文参考訳（メタデータ） (2024-06-17T06:20:39Z)
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)
Break and Make: Interactive Structural Understanding Using LEGO Bricks [61.01136603613139]
私たちは、LEGOモデルの組み立て、分解、操作が可能な、完全にインタラクティブな3Dシミュレータを構築しました。シーケンス・ツー・シーケンス・モデルを用いてこの問題を解決するための第一歩を踏み出す。
論文参考訳（メタデータ） (2022-07-27T18:33:09Z)
Modeling Teams Performance Using Deep Representational Learning on Graphs [0.0]
本稿では,チームのパフォーマンスを予測するために設計されたグラフニューラルネットワークモデルを提案する。このモデルは、トポロジカル、集中、コンテキストという3つのアーキテクチャチャネルに基づいている。第1のメカニズムは、チーム内のキーメンバーをピンポイントすることを可能にする。第2のメカニズムにより、結果のパフォーマンスを決定する上での3つのドライバ効果の貢献を定量化できます。
論文参考訳（メタデータ） (2022-06-29T16:12:22Z)
Machine Learning in Sports: A Case Study on Using Explainable Models for Predicting Outcomes of Volleyball Matches [0.0]
本稿では,ブラジルバレーボールリーグ(SuperLiga)における試合結果を予測するための2相説明可能な人工知能(XAI)アプローチについて検討する。第1フェーズでは、解釈可能なルールベースのMLモデルを直接使用し、モデルの振る舞いをグローバルに理解する。第2フェーズでは,SVM(Support Vector Machine)やDNN(Deep Neural Network)といった非線形モデルを構築し,バレーボールの試合結果の予測性能を得る。
論文参考訳（メタデータ） (2022-06-18T18:09:15Z)
Model LEGO: Creating Models Like Disassembling and Assembling Building Blocks [53.09649785009528]
本稿では,新しいモデルを得るためのトレーニングを必要としないパラダイムについて検討する。生体視覚系における受容野にインスパイアされたCNNの誕生と同様、モデル分解と組み立てを提案する。モデル組立には、特定のタスクに適した新しいモデルを構築するために、アライメントパディング戦略とパラメータスケーリング戦略を提案する。
論文参考訳（メタデータ） (2022-03-25T05:27:28Z)
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)
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)
Evaluating and Rewarding Teamwork Using Cooperative Game Abstractions [103.3630903577951]
我々は、協調ゲーム理論を用いて、プロスポーツから、人工RLエージェントのチームと現実世界のチームを研究する。データからCFを推定するための協調ゲーム抽象化(CGA)と呼ばれるパラメトリックモデルを導入する。 CGAモデルに対する識別結果とサンプル境界の複雑さと、CGAを用いたShapley値の推定における誤差境界を提供する。
論文参考訳（メタデータ） (2020-06-16T22:03:36Z)

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。