論文の概要: Chess Rating Estimation from Moves and Clock Times Using a CNN-LSTM
- arxiv url: http://arxiv.org/abs/2409.11506v1
- Date: Tue, 17 Sep 2024 19:19:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 19:59:44.539358
- Title: Chess Rating Estimation from Moves and Clock Times Using a CNN-LSTM
- Title（参考訳）: CNN-LSTMによるモブとクロックタイムのチェスレーティング推定
- Authors: Michael Omori, Prasad Tadepalli,
- Abstract要約: 現在の格付けシステムは段階的に格付けを更新し、常にプレイヤーの真の強さを正確に反映するとは限らない。
これを解決するために,ゲームの動きや時計時間から直接プレイヤーの格付けを推定する方法を探索する。
このモデルは、手作りの機能を使わずにチェスのレーティングを推定し、また、各動きのレーティング予測を出力した最初のモデルである。
- 参考スコア（独自算出の注目度）: 11.340099493701029
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current rating systems update ratings incrementally and may not always accurately reflect a player's true strength at all times, especially for rapidly improving players or very rusty players. To overcome this, we explore a method to estimate player ratings directly from game moves and clock times. We compiled a benchmark dataset from Lichess, encompassing various time controls and including move sequences and clock times. Our model architecture comprises a CNN to learn positional features, which are then integrated with clock-time data into a bidirectional LSTM, predicting player ratings after each move. The model achieved an MAE of 182 rating points in the test data. Additionally, we applied our model to the 2024 IEEE Big Data Cup Chess Puzzle Difficulty Competition dataset, predicted puzzle ratings and achieved competitive results. This model is the first to use no hand-crafted features to estimate chess ratings and also the first to output a rating prediction for each move. Our method highlights the potential of using move-based rating estimation for enhancing rating systems and potentially other applications such as cheating detection.
- Abstract（参考訳）: 現在の格付けシステムは段階的に格付けを更新し、プレイヤーの真の強さを常に正確に反映するとは限らない。
これを解決するために,ゲームの動きや時計時間から直接プレイヤーの格付けを推定する方法を探索する。
Lichessからベンチマークデータセットをコンパイルし、さまざまな時間制御、移動シーケンスとクロック時間を含む。
我々のモデルアーキテクチャは、CNNを用いて位置特徴を学習し、クロックタイムデータを双方向LSTMに統合し、各移動後のプレイヤーのレーティングを予測する。
このモデルはテストデータにおいて182のレーティングポイントのMAEを達成した。
さらに、私たちのモデルをIEEE Big Data Cup Chess Puzzle Difficulty Competitionデータセットに適用し、パズルのレーティングを予測し、競争結果を得た。
このモデルは、手作りの機能を使わずにチェスのレーティングを推定し、また、各動きのレーティング予測を出力した最初のモデルである。
提案手法は,評価システムの向上に移動に基づく評価評価を用いる可能性や,不正検出など他の応用の可能性を強調した。
関連論文リスト
- Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。
本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
論文 参考訳（メタデータ） (2024-08-20T14:29:23Z) - CNN-based Game State Detection for a Foosball Table [1.612440288407791]
フォスボールのゲームでは、コンパクトで包括的なゲーム状態の記述は、フィギュアの位置シフトと回転と、時間とともにボールの位置で構成される。
本稿では,フォスボールのゲーム状態を決定するフィギュア検出システムについて述べる。
このデータセットを使用して、畳み込みニューラルネットワーク(CNN)ベースのエンドツーエンド回帰モデルをトレーニングし、各ロッドの回転とシフトを予測する。
論文 参考訳（メタデータ） (2024-04-08T09:48:02Z) - Preserving Knowledge Invariance: Rethinking Robustness Evaluation of
Open Information Extraction [50.62245481416744]
実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。
我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。
さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
論文 参考訳（メタデータ） (2023-05-23T12:05:09Z) - 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) - Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。
この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。
このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。
我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
論文 参考訳（メタデータ） (2022-04-05T19:39:13Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - Learning to Identify Top Elo Ratings: A Dueling Bandits Approach [27.495132915328025]
我々は,Elo評価(トッププレイヤー)のサンプル効率を改善するために,効率的なオンラインマッチングスケジューリングアルゴリズムを提案する。
具体的には、上位プレイヤーをデュエルバンドフレームワークで識別し、Eloの勾配ベースの更新に合わせてバンディットアルゴリズムを調整する。
我々のアルゴリズムは、競合ラウンドの数で$tildeO(sqrtT)$, sublinearを保証しており、多次元エロ評価にまで拡張されている。
論文 参考訳（メタデータ） (2022-01-12T13:57:29Z) - HighlightMe: Detecting Highlights from Human-Centric Videos [62.265410865423]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。
本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。
我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
論文 参考訳（メタデータ） (2021-10-05T01:18:15Z) - Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。
ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
論文 参考訳（メタデータ） (2020-08-06T19:08:05Z) - TTNet: Real-time temporal and spatial video analysis of table tennis [5.156484100374058]
本稿では,高精細度卓球ビデオのリアルタイム処理を目的としたニューラルネットワークを提案する。
このアプローチは、自動参照システムによるスコア更新を推論するためのコア情報を提供する。
イベントをラベル付けした120fpsのテーブルテニスゲームのビデオ付きマルチタスクデータセットOpenTTGamesを公開している。
論文 参考訳（メタデータ） (2020-04-21T11:57:51Z) - Action Quality Assessment using Siamese Network-Based Deep Metric
Learning [7.945673227394573]
提案されたスコアリングモデルはオリンピックのダイビングと体育のヴォートでテストされている。
このモデルは、既存の最先端のスコアリングモデルよりも優れています。
論文 参考訳（メタデータ） (2020-02-27T14:00:05Z)
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。