Fugu-MT 論文翻訳(概要): Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation

論文の概要: Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation

arxiv url: http://arxiv.org/abs/2406.00814v1
Date: Sun, 2 Jun 2024 17:29:42 GMT
ステータス: 処理完了
システム内更新日: 2024-06-06 03:16:50.557601
Title: Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation
Title（参考訳）: サッカー選手のスキル推定における制御とデュエル行動の期待値
Authors: Andrei Shelopugin,
Abstract要約: 本稿では、広く使われているモデル、期待所有値(EPV)に複数の拡張を導入する。撮影直前に発生する事象に、先行する出来事よりも重みを割り当てる(デカイ効果)。本モデルでは, 減衰効果と有効演奏時間を考慮することにより, 保持リスクをより正確に評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Estimation of football players' skills is one of the key tasks in sports analytics. This paper introduces multiple extensions to a widely used model, expected possession value (EPV), to address some key challenges such as selection problem. First, we assign greater weights to events occurring immediately prior to the shot rather than those preceding them (decay effect). Second, our model incorporates possession risk more accurately by considering the decay effect and effective playing time. Third, we integrate the assessment of individual player ability to win aerial and ground duels. Using the extended EPV model, we predict this metric for various football players for the upcoming season, particularly taking into account the strength of their opponents.
Abstract（参考訳）: サッカー選手のスキルの推定は、スポーツ分析における重要な課題の1つである。本稿では、選択問題などの重要な課題に対処するため、広く使われているモデル、期待所有値(EPV)に対する複数の拡張を提案する。まず、撮影直前に発生する事象に対して、先行する事象よりも重みを割り当てる(デカイ効果)。第2に, 本モデルでは, 減衰効果と有効演奏時間を考慮して, より正確に保持リスクを組み込む。第3に,空中と地上のデュエルに勝つ個々のプレイヤー能力の評価を統合する。拡張型EVVモデルを用いて、今後のシーズンの様々なサッカー選手、特に相手の強さを考慮して、この指標を予測する。

関連論文リスト

The Strain of Success: A Predictive Model for Injury Risk Mitigation and Team Success in Soccer [13.061659160183071]
サッカーにおける新しいチーム選択モデルを提案する。我々は,実世界のサッカーデータから学習した選手固有の情報を用いて,選手の怪我や不適応の過程をモデル化する。また,本モデルでは,第1チームのケガを13%減らし,負傷選手に非効率に費やした金額を11%減らした。
論文参考訳（メタデータ） (2024-02-07T14:28:04Z)
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)
All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2023-10-02T08:11:07Z)
Valuing Players Over Time [0.0]
サッカー(またはアソシエーションフットボール)では、プレイヤーはすぐにヒーローからゼロへ、あるいは逆転する。本稿では,I-VAEPモデルとO-VAEPモデルを紹介し,プレイヤーの意図と実行を評価する。我々は、誰が最高のプレイヤーであり、そのパフォーマンスがどのように進化したかを示し、プレイヤーの一貫性を測定するためにボラティリティ指標を定義し、意思決定を支援するためにプレイヤー開発曲線を構築します。
論文参考訳（メタデータ） (2022-09-08T15:36:16Z)
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)
What Happened Next? Using Deep Learning to Value Defensive Actions in Football Event-Data [1.290382979353427]
我々は、このような防御行動を評価する新しいメトリクスを定義するために、ディープラーニング技術を使用します。それらに先行するプレイパスの脅威を研究することで、私たちは防御行動を評価することができます。我々のモデルは、イベントデータを用いてディフェンスディフェンダーの影響を予測することができる。
論文参考訳（メタデータ） (2021-06-03T12:18:26Z)
"Why Would I Trust Your Numbers?" On the Explainability of Expected Values in Soccer [5.825190876052149]
本稿では,ショットの期待値を推定する,説明可能な一般化付加モデルを提案する。我々は、練習者が慣れ親しんだピッチ上の指定されたゾーンにショットをファジィに割り当てることで、ショットの位置を表現している。実験により,我々のモデルは既存のモデルと同じくらい正確であり,サッカー実践者には説明し易いことがわかった。
論文参考訳（メタデータ） (2021-05-27T10:05:00Z)
L2E: Learning to Exploit Your Opponent [66.66334543946672]
本稿では,暗黙的対向モデリングのための新しい学習フレームワークを提案する。 L2Eは、トレーニング中に異なる相手との対話によって、相手を悪用する能力を取得する。本稿では, 対戦相手を自動的に生成する新しい対戦相手戦略生成アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-18T14:27:59Z)
RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
論文参考訳（メタデータ） (2021-02-15T16:04:18Z)
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)
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。