Fugu-MT 論文翻訳(概要): Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory

論文の概要: Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory

arxiv url: http://arxiv.org/abs/2404.13300v1
Date: Sat, 20 Apr 2024 07:11:06 GMT
ステータス: 処理完了
システム内更新日: 2024-04-23 19:39:25.943025
Title: Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory
Title（参考訳）: Capturing Momentum: 機械学習と時系列理論を用いたテニスマッチング解析
Authors: Jingdi Lei, Tianqi Kang, Yuluan Cao, Shiwei Ren,
Abstract要約: 本稿ではテニスの試合の勢いについて分析する。まず隠れマルコフモデルを用いてプレイヤーのパフォーマンスとして定義される運動量を予測する。そして、Xgboost を用いて運動量の重要性を証明する。
参考スコア（独自算出の注目度）: 0.9449650062296823
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper represents an analysis on the momentum of tennis match. And due to Generalization performance of it, it can be helpful in constructing a system to predict the result of sports game and analyze the performance of player based on the Technical statistics. We First use hidden markov models to predict the momentum which is defined as the performance of players. Then we use Xgboost to prove the significance of momentum. Finally we use LightGBM to evaluate the performance of our model and use SHAP feature importance ranking and weight analysis to find the key points that affect the performance of players.
Abstract（参考訳）: 本稿ではテニスの試合の勢いについて分析する。また、その一般化性能から、スポーツゲームの結果を予測するシステムの構築や、技術統計に基づくプレイヤーのパフォーマンス分析に有用である。まず隠れマルコフモデルを用いてプレイヤーのパフォーマンスとして定義される運動量を予測する。そして、Xgboost を用いて運動量の重要性を証明する。最後に,本モデルの性能評価にLightGBMを用い,SHAP特徴量ランキングと重み解析を用いて,プレイヤーのパフォーマンスに影響を及ぼす重要な点を求める。

関連論文リスト

Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
論文参考訳（メタデータ） (2024-08-02T19:14:49Z)
Lasso Ridge based XGBoost and Deep_LSTM Help Tennis Players Perform better [1.6016817180824583]
プレイヤーの性能を評価し,運動量効果を定量化するために,スライディングウインドウを用いたスコアリングモデルを開発した。本稿では、LSTM_Deepモデルを用いて、ゲーム変動を定量化するための勝利率アルゴリズムの導出法を提案する。本研究は,運動量動態とゲームゆらぎに着目し,スポーツ分析や選手のトレーニング戦略に影響を及ぼすことを示す。
論文参考訳（メタデータ） (2024-05-11T15:02:08Z)
MLFEF: Machine Learning Fusion Model with Empirical Formula to Explore the Momentum in Competitive Sports [2.4048240311299725]
私たちは2つのモデルを構築します。1つはデータ駆動型に基づくモデルを構築すること、もう1つは経験則に基づくモデルを構築することです。データ駆動型モデルでは,過去5年間にテニスの試合の公開データや選手の個人情報データを含む大量の公開データを発見した。メカニズム分析モデルでは,多くのテニス選手や愛好家の提案に基づいて重要な特徴が選択された。
論文参考訳（メタデータ） (2024-02-19T14:02:13Z)
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)
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)
Who You Play Affects How You Play: Predicting Sports Performance Using Graph Attention Networks With Temporal Convolution [29.478765505215538]
本研究では,スポーツにおける選手のパフォーマンスを予測するための新しい深層学習手法であるGATv2-GCNを提案する。グラフアテンションネットワークを使用して、各プレイヤーが互いに支払うアテンションをキャプチャし、より正確なモデリングを可能にします。実世界スポーツデータを用いたモデルの性能評価を行い,選手のパフォーマンス予測の有効性を実証した。
論文参考訳（メタデータ） (2023-03-29T14:48:51Z)
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 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)
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)
Towards More Fine-grained and Reliable NLP Performance Prediction [85.78131503006193]
NLPタスクのパフォーマンス予測の改善に2つの貢献をしている。まず,F1やBLEUのような総合的な精度測定のための性能予測器について検討する。次に,信頼区間とキャリブレーションの2つの角度から性能予測モデルの信頼性を理解する手法を提案する。
論文参考訳（メタデータ） (2021-02-10T15:23:20Z)
Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文参考訳（メタデータ） (2020-08-14T12:00:58Z)

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。