論文の概要: AI for Handball: predicting and explaining the 2024 Olympic Games tournament with Deep Learning and Large Language Models

• arxiv url: http://arxiv.org/abs/2407.15987v1
• Date: Mon, 22 Jul 2024 18:54:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 21:25:09.926916
• Title: AI for Handball: predicting and explaining the 2024 Olympic Games tournament with Deep Learning and Large Language Models
• Title（参考訳）: ハンドボールのためのAI: ディープラーニングと大規模言語モデルによる2024年のオリンピック大会の予測と説明
• Authors: Florian Felice,
• Abstract要約: 深層学習モデルを用いて,2024年オリンピックのハンドボールトーナメントの結果を予測する。 このモデルは、説明可能なAI(xAI)技術と組み合わせて、各マッチの結果に影響を及ぼす主要な要因に関する洞察力のある情報を抽出することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over summer 2024, the world will be looking at Paris to encourage their favorite athletes win the Olympic gold medal. In handball, few nations will fight hard to win the precious metal with speculations predicting the victory for France or Denmark for men and France or Norway for women. However, there is so far no scientific method proposed to predict the final results of the competition. In this work, we leverage a deep learning model to predict the results of the handball tournament of the 2024 Olympic Games. This model, coupled with explainable AI (xAI) techniques, allows us to extract insightful information about the main factors influencing the outcome of each match. Notably, xAI helps sports experts understand how factors like match information or individual athlete performance contribute to the predictions. Furthermore, we integrate Large Language Models (LLMs) to generate human-friendly explanations that highlight the most important factors impacting the match results. By providing human-centric explanations, our approach offers a deeper understanding of the AI predictions, making them more actionable for coaches and analysts.
• Abstract（参考訳）: 2024年夏、世界はパリを見て、好きな選手がオリンピックの金メダルを獲得することを奨励する。 ハンドボールでは、フランスやデンマークの男性やフランス、ノルウェーの女性の勝利を予言する憶測で、貴金属を勝ち取るために激しく戦う国は少ない。 しかし、この競技の最終結果を予測する科学的手法は今のところ提案されていない。 本研究では,2024年オリンピックハンドボールトーナメントの結果を予測するために,深層学習モデルを活用する。 このモデルは、説明可能なAI(xAI)技術と組み合わせて、各マッチの結果に影響を与える主要な要因に関する洞察力のある情報を抽出することができる。 特にxAIは、スポーツの専門家が、マッチ情報や個人アスリートのパフォーマンスなどの要因が予測にどのように貢献するかを理解するのに役立つ。 さらに、Large Language Models (LLMs) を統合して、マッチ結果に影響を及ぼす最も重要な要因を浮き彫りにする人間フレンドリーな説明を生成する。 人間の中心的な説明を提供することで、私たちのアプローチはAI予測をより深く理解し、コーチやアナリストにとってより実用的なものにします。

関連論文リスト

• OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
  我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。 これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。 我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
  論文  参考訳（メタデータ） (2024-06-18T16:20:53Z)
• ALYMPICS: LLM Agents Meet Game Theory -- Exploring Strategic Decision-Making with AI Agents [77.34720446306419]
  Alympicsは、ゲーム理論の研究にLarge Language Model (LLM)エージェントを利用する、体系的なシミュレーションフレームワークである。 Alympicsは、複雑なゲーム理論の問題を研究するための汎用的なプラットフォームを作成する。
  論文  参考訳（メタデータ） (2023-11-06T16:03:46Z)
• Location analysis of players in UEFA EURO 2020 and 2022 using generalized valuation of defense by estimating probabilities [0.6946929968559495]
  イベントの予測確率をスコアスキャニングすることで,防衛チームの総合評価手法を提案する。 男子Euro 2020と女子Euro 2022のフットボールゲームにおける放送ビデオフレーム中の選手のオープンソース位置情報を用いて,選手数の予測への影響を検討した。
  論文  参考訳（メタデータ） (2022-11-30T12:43:11Z)
• 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)
• 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)
• Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
  競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。 チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-04-14T17:24:54Z)
• Forecasting the Olympic medal distribution during a pandemic: a socio-economic machine learning model [0.0]
  米国は2020年の東京オリンピックで120個のメダルを獲得し、続いて中国(87個)とイギリス(74個)が優勝する。 現在の新型コロナウイルス(COVID-19)パンデミックは、すべての国がある程度(データ固有の)パンデミックに苦しむため、メダル数を大きく変えることはない。 現在の新型コロナウイルス(COVID-19)パンデミックは、すべての国がある程度(データ固有の)パンデミックに苦しむため、メダル数を大きく変えることはないと予測している。
  論文  参考訳（メタデータ） (2020-12-08T11:50:14Z)
• 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。

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。