論文の概要: Enhancing Predictive Accuracy in Tennis: Integrating Fuzzy Logic and CV-GRNN for Dynamic Match Outcome and Player Momentum Analysis

• arxiv url: http://arxiv.org/abs/2503.21809v2
• Date: Sun, 13 Apr 2025 09:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:44:05.535618
• Title: Enhancing Predictive Accuracy in Tennis: Integrating Fuzzy Logic and CV-GRNN for Dynamic Match Outcome and Player Momentum Analysis
• Title（参考訳）: テニスにおける予測精度の向上:動的マッチングアウトカムとプレイヤーモメンタム解析のためのファジィ論理とCV-GRNNの統合
• Authors: Kechen Li, Jiaming Liu, Zhenyu Wu, Tianbo Ji,
• Abstract要約: 本稿では,マルチレベルファジィ評価モデルとCV-GRNNモデルを組み合わせたゲーム予測手法を提案する。 まず、主成分分析を用いて重要な統計指標を特定し、次にウィンブルドンデータに基づく2層ファジィモデルを開発する。 CV-GRNNモデルを統計的に有意な15指標を用いて改良し,精度は86.64%,MSEは49.21%向上した。
• 参考スコア（独自算出の注目度）: 24.380112610220856
• License:
• Abstract: The predictive analysis of match outcomes and player momentum in professional tennis has long been a subject of scholarly debate. In this paper, we introduce a novel approach to game prediction by combining a multi-level fuzzy evaluation model with a CV-GRNN model. We first identify critical statistical indicators via Principal Component Analysis and then develop a two-tier fuzzy model based on the Wimbledon data. In addition, the results of Pearson Correlation Coefficient indicate that the momentum indicators, such as Player Win Streak and Score Difference, have a strong correlation among them, revealing insightful trends among players transitioning between losing and winning streaks. Subsequently, we refine the CV-GRNN model by incorporating 15 statistically significant indicators, resulting in an increase in accuracy to 86.64% and a decrease in MSE by 49.21%. This consequently strengthens the methodological framework for predicting tennis match outcomes, emphasizing its practical utility and potential for adaptation in various athletic contexts.
• Abstract（参考訳）: プロテニスにおける試合結果と選手の勢いの予測分析は、長い間、学術的な議論の対象となっている。 本稿では,マルチレベルファジィ評価モデルとCV-GRNNモデルを組み合わせたゲーム予測手法を提案する。 まず、主成分分析を用いて重要な統計指標を特定し、次にウィンブルドンデータに基づく2層ファジィモデルを開発する。 さらに, ピアソン相関係数の結果から, プレイヤーウィンストリークやスコア差などの運動量指標の相関が強く, 敗戦ストリークから勝利ストリークへ移行する選手の間での洞察力のある傾向が明らかとなった。 その後,統計学的に有意な指標を15個取り入れてCV-GRNNモデルを改良し,精度は86.64%,MSEは49.21%向上した。 これにより、テニスの試合結果を予測するための方法論的枠組みが強化され、その実用性と様々な運動状況における適応の可能性を強調した。

関連論文リスト

• TCDformer-based Momentum Transfer Model for Long-term Sports Prediction [6.209644981642842]
  本稿では,TCDformerを用いた長期スポーツ予測のためのモーメンタムトランスファーモデルTM2を提案する。 2023年のウィンブルドン男子トーナメントのデータセットでは、TM2は既存のスポーツ予測モデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-09-16T11:10:54Z)
• Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
  本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。 モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
  論文  参考訳（メタデータ） (2024-08-02T19:14:49Z)
• Lasso Ridge based XGBoost and Deep_LSTM Help Tennis Players Perform better [1.6016817180824583]
  プレイヤーの性能を評価し,運動量効果を定量化するために,スライディングウインドウを用いたスコアリングモデルを開発した。 本稿では、LSTM_Deepモデルを用いて、ゲーム変動を定量化するための勝利率アルゴリズムの導出法を提案する。 本研究は,運動量動態とゲームゆらぎに着目し,スポーツ分析や選手のトレーニング戦略に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-05-11T15:02:08Z)
• Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory [0.9449650062296823]
  本稿ではテニスの試合の勢いについて分析する。 まず隠れマルコフモデルを用いてプレイヤーのパフォーマンスとして定義される運動量を予測する。 そして、Xgboost を用いて運動量の重要性を証明する。
  論文  参考訳（メタデータ） (2024-04-20T07:11:06Z)
• Uncertainty in Graph Neural Networks: A Survey [47.785948021510535]
  グラフニューラルネットワーク(GNN)は、様々な現実世界のアプリケーションで広く使われている。 しかし、多様な情報源から生じるGNNの予測的不確実性は、不安定で誤った予測につながる可能性がある。 本調査は,不確実性の観点からGNNの概要を概観することを目的としている。
  論文  参考訳（メタデータ） (2024-03-11T21:54:52Z)
• 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)
• Perturbation-Invariant Adversarial Training for Neural Ranking Models: Improving the Effectiveness-Robustness Trade-Off [107.35833747750446]
  正統な文書に不可避な摂動を加えることで 敵の例を作れます この脆弱性は信頼性に関する重大な懸念を生じさせ、NRMの展開を妨げている。 本研究では,NRMにおける有効・損耗トレードオフに関する理論的保証を確立する。
  論文  参考訳（メタデータ） (2023-12-16T05:38:39Z)
• Measuring and Improving Attentiveness to Partial Inputs with Counterfactuals [91.59906995214209]
  我々は,新しい評価手法であるCAT(Facterfactual Attentiveness Test)を提案する。 CATは、入力の一部を別の例から別の例に置き換えることで、予測を変更する注意深いモデルを期待することで、反事実を使用する。 実験データの精度が向上する一方, GPT3 は実演回数の増加により注意力の低下がみられた。
  論文  参考訳（メタデータ） (2023-11-16T06:27:35Z)
• Supervised Learning for Table Tennis Match Prediction [2.7835697868135902]
  本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。 我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。 結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
  論文  参考訳（メタデータ） (2023-03-28T17:42:13Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• Generalizing Graph Neural Networks on Out-Of-Distribution Graphs [51.33152272781324]
  トレーニンググラフとテストグラフの分散シフトを考慮せずにグラフニューラルネットワーク(GNN)を提案する。 このような環境では、GNNは、たとえ素早い相関であるとしても、予測のためのトレーニングセットに存在する微妙な統計的相関を利用する傾向がある。 本稿では,スプリアス相関の影響を排除するため,StableGNNと呼ばれる一般的な因果表現フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-20T18:57:18Z)

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。