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
- 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) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳(メタデータ) (2022-07-26T21:38:07Z) - 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) - 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) - Causal Scene BERT: Improving object detection by searching for
challenging groups of data [125.40669814080047]
コンピュータビジョンアプリケーションは、物体検出のようなタスクのためにニューラルネットワークでパラメータ化された学習ベースの知覚モジュールに依存している。
これらのモジュールは、トレーニングプロセスに固有のバイアスのため、予想される誤差が低いが、データの非定型的なグループに対して高い誤差を持つことが多い。
本研究の主な貢献は,シミュレートされたシーンに対して因果的介入を行うことにより,前向きにそのようなグループを発見する擬似オートマチック手法である。
論文 参考訳(メタデータ) (2022-02-08T05:14:16Z) - 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) - My Team Will Go On: Differentiating High and Low Viability Teams through
Team Interaction [17.729317295204368]
オンラインチームの669の10分間のテキスト会話のデータセット上で、生存可能性分類モデルをトレーニングする。
その結果,ラッソ回帰モデルにより,可視性スコアの分類のしきい値が異なる.74--.92 AUC ROCの精度が得られることがわかった。
論文 参考訳(メタデータ) (2020-10-14T21:33:36Z) - 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。
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。