論文の概要: A Neighbor-based Approach to Pitch Ownership Models in Soccer

• arxiv url: http://arxiv.org/abs/2501.05870v1
• Date: Fri, 10 Jan 2025 11:11:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:26:53.351264
• Title: A Neighbor-based Approach to Pitch Ownership Models in Soccer
• Title（参考訳）: サッカーにおけるピッチオーナシップモデルに対する近隣アプローチ
• Authors: Tiago Mendes-Neves, Luís Meireles, João Mendes-Moreira,
• Abstract要約: ピッチオーナシップモデルは、ゲームのダイナミクスを理解するための戦術アナリストに貴重な支援を提供する。 本稿では,K-Nearest Neighbors (KNN)アルゴリズムを用いて,サッカーゲームにおけるピッチオーナシップモデルの構築手法を提案する。
• 参考スコア（独自算出の注目度）: 0.7373617024876725
• License:
• Abstract: Pitch ownership models allow many types of analysis in soccer and provide valuable assistance to tactical analysts in understanding the game's dynamics. The novelty they provide over event-based analysis is that tracking data incorporates context that event-based data does not possess, like player positioning. This paper proposes a novel approach to building pitch ownership models in soccer games using the K-Nearest Neighbors (KNN) algorithm. Our approach provides a fast inference mechanism that can model different approaches to pitch control using the same algorithm. Despite its flexibility, it uses only three hyperparameters to tune the model, facilitating the tuning process for different player skill levels. The flexibility of the approach allows for the emulation of different methods available in the literature by adjusting a small number of parameters, including adjusting for different levels of uncertainty. In summary, the proposed model provides a new and more flexible strategy for building pitch ownership models, extending beyond just replicating existing algorithms, and can provide valuable insights for tactical analysts and open up new avenues for future research. We thoroughly visualize several examples demonstrating the presented models' strengths and weaknesses. The code is available at github.com/nvsclub/KNNPitchControl.
• Abstract（参考訳）: ピッチオーナシップモデルは、サッカーにおける多くのタイプの分析を可能にし、ゲームのダイナミクスを理解するための戦術アナリストに貴重な支援を提供する。 イベントベースの分析よりも珍しいのは、追跡データには、プレイヤーの位置決めのようなイベントベースのデータが持っていないコンテキストが組み込まれていることだ。 本稿では,K-Nearest Neighbors (KNN)アルゴリズムを用いて,サッカーゲームにおけるピッチオーナシップモデルの構築手法を提案する。 提案手法は,同じアルゴリズムを用いてピッチ制御の異なるアプローチをモデル化する高速推論機構を提供する。 柔軟性にも拘わらず、3つのハイパーパラメータのみを使用してモデルをチューニングし、異なるプレイヤースキルレベルのチューニングプロセスを容易にする。 このアプローチの柔軟性は、異なるレベルの不確実性を調整することを含む、少数のパラメータを調整することによって、文献で利用可能なさまざまなメソッドのエミュレーションを可能にする。 要約すると、提案されたモデルは、ピッチオーナシップモデルを構築するための、よりフレキシブルな戦略を提供し、既存のアルゴリズムの複製を超えて拡張し、戦術アナリストに貴重な洞察を提供し、将来の研究のための新たな道を開くことができる。 提示されたモデルの長所と短所を示すいくつかの例を網羅的に視覚化する。 コードはgithub.com/nvsclub/KNNPitchControlで入手できる。

関連論文リスト

• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• Purposer: Putting Human Motion Generation in Context [30.706219830149504]
  本研究では,3次元屋内シーンに人間の動きを再現する新しい手法を提案する。 シーン内のパス、ターゲットポーズ、過去の動き、そして3Dポイントの雲として表されるシーンなど、様々な条件信号の組み合わせで制御できる。
  論文  参考訳（メタデータ） (2024-04-19T15:16:04Z)
• Forecasting Events in Soccer Matches Through Language [0.7373617024876725]
  本稿では,サッカーの試合における次の事象を予測するためのアプローチを紹介する。 これはLarge Language Models (LLM) が直面している問題と顕著に類似している。
  論文  参考訳（メタデータ） (2024-02-09T23:02:57Z)
• 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)
• Model-agnostic Body Part Relevance Assessment for Pedestrian Detection [4.405053430046726]
  歩行者検出のための身体部分関連性評価によるコンピュータビジョンコンテキストにおけるサンプリングに基づく説明モデルを用いたフレームワークを提案する。 我々は,KernelSHAPに類似した新しいサンプリングベース手法を導入し,サンプリングサイズを小さくするために,より堅牢性を示し,大規模データセットにおける説明可能性解析に有効であることを示す。
  論文  参考訳（メタデータ） (2023-11-27T10:10:25Z)
• A State-Space Perspective on Modelling and Inference for Online Skill Rating [1.9253333342733674]
  逐次モンテカルロモデルと離散隠れマルコフモデルに基づく新しいアプローチを導入する。 我々は、プレイヤーのスキルを時間変化として表現し、一致した結果が観測量として機能する状態空間モデル視点を提唱する。 我々は,多数の選手や試合にスケールアップする上での課題について検討し,主な近似と縮小を強調した。
  論文  参考訳（メタデータ） (2023-08-04T16:03:50Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
  MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。 公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
  論文  参考訳（メタデータ） (2022-05-31T04:57:06Z)
• Stereo Neural Vernier Caliper [57.187088191829886]
  学習に基づくステレオ3Dオブジェクト検出のための新しいオブジェクト中心フレームワークを提案する。 初期3次元立方体推定値から改良された更新を予測する方法の問題に対処する。 提案手法は,KITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-21T14:36:07Z)
• Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
  ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。 本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。 提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
  論文  参考訳（メタデータ） (2020-10-07T17:48:12Z)

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。