論文の概要: STGCN-LSTM for Olympic Medal Prediction: Dynamic Power Modeling and Causal Policy Optimization

• arxiv url: http://arxiv.org/abs/2501.17711v2
• Date: Thu, 20 Feb 2025 16:30:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 17:43:29.868161
• Title: STGCN-LSTM for Olympic Medal Prediction: Dynamic Power Modeling and Causal Policy Optimization
• Title（参考訳）: オリンピックメダル予測のためのSTGCN-LSTM:動的パワーモデリングと因果ポリシー最適化
• Authors: Yiquan Wang, Jiaying Wang, Tin-Yeh Huang, Jingyi Yang, Guanjie Yang, Zihao Xu,
• Abstract要約: 本稿では,オリンピックのメダル分布を予測するための新しいハイブリッドモデル STCN-LSTM を提案する。 国家間の関係の強固さと国家パフォーマンスの長期的な依存関係を統合する。 結果は、コーチングのモビリティ、イベントの分散、そして戦略的投資がメダル予測に与える影響に光を当てた。
• 参考スコア（独自算出の注目度）: 4.226132264963453
• License:
• Abstract: This paper proposes a novel hybrid model, STGCN-LSTM, to forecast Olympic medal distributions by integrating the spatio-temporal relationships among countries and the long-term dependencies of national performance. The Spatial-Temporal Graph Convolution Network (STGCN) captures geographic and interactive factors-such as coaching exchange and socio-economic links-while the Long Short-Term Memory (LSTM) module models historical trends in medal counts, economic data, and demographics. To address zero-inflated outputs (i.e., the disparity between countries that consistently yield wins and those never having won medals), a Zero-Inflated Compound Poisson (ZICP) framework is incorporated to separate random zeros from structural zeros, providing a clearer view of potential breakthrough performances. Validation includes historical backtracking, policy shock simulations, and causal inference checks, confirming the robustness of the proposed method. Results shed light on the influence of coaching mobility, event specialization, and strategic investment on medal forecasts, offering a data-driven foundation for optimizing sports policies and resource allocation in diverse Olympic contexts.
• Abstract（参考訳）: 本稿では,各国の時空間的関係と国家パフォーマンスの長期的依存関係を統合することで,オリンピックのメダル分布を予測するための新しいハイブリッドモデルSTGCN-LSTMを提案する。 空間時間グラフ畳み込みネットワーク(STGCN)は、コーチング交換や社会経済的リンクのような地理的・インタラクティブな要因を捉え、一方、Long Short-Term Memory(LSTM)モジュールはメダル数、経済データ、人口統計の歴史的傾向をモデル化する。 ゼロインフレドアウトプット(すなわち、常に勝利を収めた国とメダルを獲得したことのない国との格差)に対処するため、ゼロインフレド複合ポアソン(ZICP)フレームワークが構造零点からランダムゼロを分離するために組み込まれ、潜在的なブレークスルー性能のより明確なビューを提供する。 検証には、過去のバックトラック、ポリシーショックシミュレーション、因果推論チェックが含まれ、提案手法の堅牢性を確認する。 結果は、コーチングのモビリティ、イベントの専門化、および戦略的投資がメダル予測に与える影響に光を当て、様々なオリンピック状況におけるスポーツ政策の最適化と資源配分のためのデータ駆動基盤を提供する。

関連論文リスト

• DAMe: Personalized Federated Social Event Detection with Dual Aggregation Mechanism [55.45581907514175]
  本稿では,ソーシャルイベント検出のための二重集約機構,すなわちDAMeを用いた個人化学習フレームワークを提案する。 クライアントの好みに関する最大限の外部知識を提供するため,グローバルアグリゲーション戦略を導入する。 さらに、ローカルなオーバーフィッティングやクライアントドリフトを防止するために、グローバルなローカルイベント中心の制約を組み込んでいます。
  論文  参考訳（メタデータ） (2024-09-01T04:56:41Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• GeoSEE: Regional Socio-Economic Estimation With a Large Language Model [17.31652821477571]
  大規模言語モデル(LLM)を用いた統合パイプラインを用いて,様々な社会経済指標を推定できるGeoSEEを提案する。 システムは、自然言語ベースのテキストフォーマットで選択したモジュールの結果を集約した後、コンテキスト内学習を通じてターゲットインジケータを算出する。 本手法は、教師なしコンテキストとローショットコンテキストの両方において、他の予測モデルよりも優れている。
  論文  参考訳（メタデータ） (2024-06-14T07:50:22Z)
• Robust Model Aggregation for Heterogeneous Federated Learning: Analysis and Optimizations [35.58487905412915]
  異種システムのための時間駆動型SFL(T-SFL)フレームワークを提案する。 T-SFLの学習性能を評価するため,大域的損失関数の上限を提供する。 本研究では,所定のしきい値以下に反復回数が減少するクライアントから局所モデルを除去する識別モデル選択アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2024-05-11T11:55:26Z)
• Using a Local Surrogate Model to Interpret Temporal Shifts in Global Annual Data [5.669106489320257]
  本稿では、グローバルソースの年次データにおける経年変化を説明することに焦点を当てる。 我が国では、国民の幸福指数、経済自由度、人口指標に光を当てるために、LIME(Local Interpretable Model-Agnostic Explanations)を採用している。
  論文  参考訳（メタデータ） (2024-04-18T03:17:45Z)
• Towards Robust Federated Learning via Logits Calibration on Non-IID Data [49.286558007937856]
  Federated Learning(FL)は、エッジネットワークにおける分散デバイスの共同モデルトレーニングに基づく、プライバシ保護のための分散管理フレームワークである。 近年の研究では、FLは敵の例に弱いことが示されており、その性能は著しく低下している。 本研究では,対戦型訓練(AT)フレームワークを用いて,対戦型実例(AE)攻撃に対するFLモデルの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2024-03-05T09:18:29Z)
• Efficiency Pentathlon: A Standardized Arena for Efficiency Evaluation [82.85015548989223]
  Pentathlonは、モデル効率の総合的で現実的な評価のためのベンチマークである。 Pentathlonは、モデルライフサイクルにおける計算の大部分を占める推論に焦点を当てている。 レイテンシ、スループット、メモリオーバーヘッド、エネルギー消費など、さまざまな効率面をターゲットにしたメトリクスが組み込まれている。
  論文  参考訳（メタデータ） (2023-07-19T01:05:33Z)
• Time-sensitive Learning for Heterogeneous Federated Edge Intelligence [52.83633954857744]
  フェデレーションエッジインテリジェンス(FEI)システムにおけるリアルタイム機械学習について検討する。 FEIシステムは異種通信と計算資源分布を示す。 本稿では,共有MLモデルの協調学習における全体の実行時間を最小化するために,時間依存型フェデレーションラーニング(TS-FL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-26T08:13:22Z)
• Revisiting Communication-Efficient Federated Learning with Balanced Global and Local Updates [14.851898446967672]
  本研究では,地域研修の数とグローバルアグリゲーションの数との最適なトレードオフを調査し,分析する。 提案手法は予測精度の点で性能が向上し,ベースライン方式よりもはるかに高速に収束する。
  論文  参考訳（メタデータ） (2022-05-03T13:05:26Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• A Hybrid Residual Dilated LSTM end Exponential Smoothing Model for Mid-Term Electric Load Forecasting [1.1602089225841632]
  このモデルは指数的平滑化(ETS)、高度なLong Short-Term Memory(LSTM)とアンサンブルを組み合わせたものである。 欧州35か国における月次電力需要時系列のシミュレーション研究により,提案モデルの高性能性が確認された。
  論文  参考訳（メタデータ） (2020-03-29T10:53:50Z)

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。