論文の概要: Feature Impact Analysis on Top Long-Jump Performances with Quantile Random Forest and Explainable AI Techniques

• arxiv url: http://arxiv.org/abs/2508.09810v1
• Date: Wed, 13 Aug 2025 13:42:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.908964
• Title: Feature Impact Analysis on Top Long-Jump Performances with Quantile Random Forest and Explainable AI Techniques
• Title（参考訳）: 量子ランダムフォレストと説明可能なAI技術を用いたトップロングジャンプ性能の特徴的影響解析
• Authors: Qi Gan, Stephan Clémençon, Mounîm A. El-Yacoubi, Sao Mai Nguyen, Eric Fenaux, Ons Jelassi,
• Abstract要約: 我々は、機械学習モデルを利用して、世界選手権のエキスパートが提案する生体力学的特徴を分析する。 男子選手にとって、離陸前の支持脚の膝の角度は、トップ10%のパフォーマンスを達成するための重要な要因である。 女性アスリートにとって、着陸ポーズとアプローチステップの技術は、速度とともにトップ10%のパフォーマンスに影響を与える最も重要な特徴として出現する。
• 参考スコア（独自算出の注目度）: 0.32985979395737774
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biomechanical features have become important indicators for evaluating athletes' techniques. Traditionally, experts propose significant features and evaluate them using physics equations. However, the complexity of the human body and its movements makes it challenging to explicitly analyze the relationships between some features and athletes' final performance. With advancements in modern machine learning and statistics, data analytics methods have gained increasing importance in sports analytics. In this study, we leverage machine learning models to analyze expert-proposed biomechanical features from the finals of long jump competitions in the World Championships. The objectives of the analysis include identifying the most important features contributing to top-performing jumps and exploring the combined effects of these key features. Using quantile regression, we model the relationship between the biomechanical feature set and the target variable (effective distance), with a particular focus on elite-level jumps. To interpret the model, we apply SHapley Additive exPlanations (SHAP) alongside Partial Dependence Plots (PDPs) and Individual Conditional Expectation (ICE) plots. The findings reveal that, beyond the well-documented velocity-related features, specific technical aspects also play a pivotal role. For male athletes, the angle of the knee of the supporting leg before take-off is identified as a key factor for achieving top 10% performance in our dataset, with angles greater than 169{\deg}contributing significantly to jump performance. In contrast, for female athletes, the landing pose and approach step technique emerge as the most critical features influencing top 10% performances, alongside velocity. This study establishes a framework for analyzing the impact of various features on athletic performance, with a particular emphasis on top-performing events.
• Abstract（参考訳）: バイオメカニカルな特徴は、アスリートの技術を評価するための重要な指標となっている。 伝統的に、専門家は重要な特徴を提案し、物理学の方程式を用いて評価する。 しかし、身体の複雑さとその動きは、一部の特徴とアスリートの最終的なパフォーマンスとの関係を明示的に分析することを困難にしている。 現代の機械学習と統計の進歩により、データ分析手法はスポーツ分析においてますます重要になっている。 本研究では,機械学習モデルを用いて,世界選手権のロングジャンプ競技の決勝戦における,専門家が提案する生体力学的特徴を分析する。 分析の目的は、トップパフォーマンスジャンプに寄与する最も重要な特徴を特定し、これらの重要な特徴の複合効果を探ることである。 量子レグレッションを用いて、生体力学的特徴集合と対象変数(有効距離)の関係をモデル化し、特にエリートレベルのジャンプに焦点を当てる。 このモデルを解釈するために、部分依存プロット(PDP)と個別条件期待プロット(ICE)と共に、SHAP(SHapley Additive exPlanations)を適用する。 この結果は、十分に文書化されたベロシティ関連の機能以外にも、特定の技術的な側面が重要な役割を担っていることを示している。 男性のスポーツ選手にとって、離陸前の支持脚の膝の角度は、我々のデータセットで上位10%のパフォーマンスを達成するための重要な要因として特定され、169{\deg {\displaystyle 169{\deg} 以上の角度がジャンプ性能に大きく寄与する。 対照的に、女子アスリートにとって、ランディングポーズとアプローチステップ技術は、速度とともにトップ10%のパフォーマンスに影響を与える最も重要な特徴として出現する。 本研究は,多種多様な特徴が運動パフォーマンスに与える影響を分析するための枠組みを確立し,特にトップパフォーマンスイベントに重点を置いている。

関連論文リスト

• Learning golf swing signatures from a single wrist-worn inertial sensor [0.0]
  単一手首センサを用いたゴルフスイング分析のためのデータ駆動型フレームワークを構築した。 我々は、技術的欠陥の検出と可視化を容易にする動きプリミティブの合成、離散的な語彙を学習する。 本システムでは,手首データから全身運動とスイングイベントを正確に推定し,実験室での動作解析を行う。
  論文  参考訳（メタデータ） (2025-06-20T22:57:59Z)
• A Graph-based Approach to Human Activity Recognition [5.323279718522213]
  本稿では,リアルタイムデータセットの拡張から重要な洞察を効率的に抽出する手法を提案する。 Inertial Measurement Units (IMU) と Global Navigation Satellite Systems (GNSS) の受信機からのデータを利用することで, 競技成績を有向グラフを用いて解析することができる。 本手法はバイアスロンデータを用いて興味のある特定の点や複雑な動きのシーケンスを検出する。
  論文  参考訳（メタデータ） (2024-08-19T17:51:00Z)
• OSL-ActionSpotting: A Unified Library for Action Spotting in Sports Videos [56.393522913188704]
  我々は,スポーツビデオ分析における研究と応用の合理化のために,さまざまなアクションスポッティングアルゴリズムを統合するPythonライブラリであるOSL-ActionSpottingを紹介する。 我々はOSL-ActionSpottingに3つの基本アクションスポッティング手法を統合することに成功した。
  論文  参考訳（メタデータ） (2024-07-01T13:17:37Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• 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)
• 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)
• Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
  本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。 PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。 提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-27T14:39:41Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Learning Sparse Temporal Video Mapping for Action Quality Assessment in Floor Gymnastics [26.717033245063092]
  体操フロアルーチンを組み込んだ新しいデータセットAGF-Olympicsを導入する。 本稿では,密集した特徴空間を複素結合を解離してスパース表現にマッピングする識別的注意モジュールを提案する。
  論文  参考訳（メタデータ） (2023-01-15T14:13:03Z)
• Modeling Teams Performance Using Deep Representational Learning on Graphs [0.0]
  本稿では,チームのパフォーマンスを予測するために設計されたグラフニューラルネットワークモデルを提案する。 このモデルは、トポロジカル、集中、コンテキストという3つのアーキテクチャチャネルに基づいている。 第1のメカニズムは、チーム内のキーメンバーをピンポイントすることを可能にする。 第2のメカニズムにより、結果のパフォーマンスを決定する上での3つのドライバ効果の貢献を定量化できます。
  論文  参考訳（メタデータ） (2022-06-29T16:12:22Z)
• How to Train Your Super-Net: An Analysis of Training Heuristics in Weight-Sharing NAS [64.50415611717057]
  我々は,スーパーネットトレーニングにおける一般的なベースラインが,スーパーネットとスタンドアローンのパフォーマンスの相関に負の影響を及ぼすことを示した。 私たちのコードと実験は、将来の作業が構築できる、強く再現可能なベースラインを設定しました。
  論文  参考訳（メタデータ） (2020-03-09T17:34:32Z)

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。