論文の概要: Unified Pitch Graphs for Diagnosing Pitching Strategy
- arxiv url: http://arxiv.org/abs/2609.03810v1
- Date: Thu, 03 Sep 2026 13:14:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.082866
- Title: Unified Pitch Graphs for Diagnosing Pitching Strategy
- Title（参考訳）: ピッチ戦略診断のための統一ピッチグラフ
- Abstract要約: 逐次イベントの振り返り解析のためのグラフ表現であるUnified Pitch Graphs (UPG)を提案する。
UPGは、各ピッチを3次元の軌跡と文脈を持つ正確な事象として保存する。
2021年から2026年までの390万のMLB StatcastピッチでUPGを評価した。
- 参考スコア（独自算出の注目度）: 1.8305518556327909
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Pitching strategy in baseball is expressed through both physical execution and the ordered context in which pitches are used, yet common representations collapse pitches into discrete types or aggregate statistics. We present Unified Pitch Graphs (UPG), a hierarchical graph representation for retrospective analysis of sequential spatiotemporal events. UPG preserves each pitch as an exact event with reconstructed three-dimensional trajectory and context, connects consecutive pitches through directed sequence edges, and organizes the same events across semantic and temporal resolutions. A support-adaptive mechanism backs off from fine, long sequences when repeated evidence is insufficient, while retaining exact event lineage. We evaluate UPG on 3.94 million MLB Statcast pitches from 2021 to 2026. Nominally identical pitch sequences exhibit distinct physical executions, and ordered structure becomes increasingly evident in longer context-conditioned paths. Support-adaptive backoff increases held-out path coverage from 18.9\% to 94.9\% while improving execution reconstruction from $R^2=0.495$ to $0.685$. UPG also reliably localizes controlled execution changes that discrete pitch-mix and sequence representations cannot detect. These results demonstrate that UPG provides a traceable, multi-scale representation for identifying recurring strategy patterns without conflating retrospective associations with causal or future-performance claims.
- Abstract（参考訳）: 野球におけるピッチ戦略は、ピッチが使用される物理的実行と順序付けられた文脈の両方を通して表現されるが、共通の表現はピッチを離散型または集約統計に分解する。
逐次時空間事象の振り返り解析のための階層グラフ表現であるUnified Pitch Graphs (UPG) を提案する。
UPGは、各ピッチを3次元の軌跡と文脈を再構成した正確なイベントとして保存し、連続したピッチを指示されたシーケンスエッジを介して接続し、意味的および時間的解決をまたいで同じイベントを編成する。
サポート適応機構は、正確なイベント系統を保持しながら、繰り返し証拠が不十分なときに、細かな長いシーケンスからバックオフする。
2021年から2026年までの390万のMLB StatcastピッチでUPGを評価した。
固有に同一のピッチ列は、異なる物理的実行を示し、秩序構造は、より長い文脈条件の経路で徐々に明らかになる。
サポート適応バックオフにより、ホールドアウトパスのカバレッジが18.9\%から94.9\%に増加し、実行の再構築が$R^2=0.495$から$0.685$に改善された。
UPGはまた、離散ピッチミックスとシーケンス表現が検出できない制御された実行変化を確実にローカライズする。
これらの結果から,UPGは因果的・将来的な主張を混同することなく,反復的戦略パターンを識別するためのトレース可能なマルチスケール表現を提供することが示された。
関連論文リスト
- RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - Self-Evolution for Multi-Turn Tool-Calling Agents via Divergence-Point Preference Learning [0.0]
マルチターンツール利用エージェントは、対話状態とポリシー制約を追跡しながら、長い水平ツールシーケンスを調整する必要がある。
ベンチマーク内での自己改善のために、ToolGraphは、スキーマ由来のトポロジ、成功したロールアウトから推定されるトランジッションウェイト、書き込み前提条件と繰り返し検索ループに対する履歴対応コントロールを組み合わせたものだ。
次に、状態ベースのマッチングとプレフィックスベースのアライメントによる分岐点の配置、アクション修正アノテーションによるフィルタリング、推論で使用されるツールグラフのコンテキストでDPOをトレーニングすることで、161の選好ペアを構築します。
論文 参考訳（メタデータ） (2026-06-22T09:56:44Z) - Group-Graph Policy Optimization for Long-Horizon Agentic Reinforcement Learning [85.02566758103008]
Group-Graph Policy Optimization (G2PO) は、マルチターンエージェントタスクに適したグループベースの強化学習アルゴリズムである。
G2POは最先端のプロンプトベースとRLベースラインを大幅に上回り、GRPOよりも最大22.2%の成功率の向上を達成した。
論文 参考訳（メタデータ） (2026-06-22T08:12:47Z) - Graph Grounded Cross Attention Transformer Neural Network for Structurally Constrained Full Event Sequence Generation in Predictive Process Monitoring [3.793186450307008]
本稿では,グラフグラウンドド・クロスアテンション・トランスニューラルネットを提案する。
GGATNは、アクティビティ、タイムスタンプ、長さ、イベントレベル、シーケンスレベル属性を単一のパスで生成する。
6つのベンチマークイベントログの実験は、ローカル命令よりも信頼性の高い生成品質を示している。
論文 参考訳（メタデータ） (2026-06-17T06:10:27Z) - Temporal Backtracking Search for Test-time Generative Video Reasoning [51.4821857044108]
生成的ビデオ推論は、シングルショットのパラダイムによってボトルネックになっている。
本稿では,検索空間を時間軸にシフトさせるTBS(Temporal Backtracking Search)を提案する。
厳格なアウト・オブ・ディストリビューション設定では、TBSは22.7%を達成し、解決された各エピソードは再起動されたブランチから始まる。
論文 参考訳（メタデータ） (2026-06-11T19:41:18Z) - TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories [61.51984029109709]
グラフベースのフレームワークであるTraceGraphを紹介した。
各タスクに対して、TraceGraphは、モデルIDが導入される前に、プールされたロールアウトから観測可能なアクション・オブザーブレーション状態のグラフを構築する。
次に、結果インフォームされた生産的なコアとトラップリージョンをオーバーレイし、各ロールアウトを3つのイベント – アクセス、トラップ露出、修復 – で要約する。
論文 参考訳（メタデータ） (2026-05-29T13:40:31Z) - E.M.Ground: A Temporal Grounding Vid-LLM with Holistic Event Perception and Matching [87.38371267983263]
時間的ビデオグラウンディングは、クエリイベントに対応する時間セグメントを正確にローカライズすることを目的としている。
E.M.GroundはTVGのための新しいVid-LLMで、総合的で一貫性のあるイベント知覚に焦点を当てている。
E.M.Ground は最先端の Vid-LLM を著しく上回っている。
論文 参考訳（メタデータ） (2026-02-05T02:16:00Z) - Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。
CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。
4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-02T11:13:38Z) - Tracing the Representation Geometry of Language Models from Pretraining to Post-training [22.18942718274405]
本研究では,事前学習と後学習にまたがる学習表現の幾何学をスペクトル的に検討する。
自己回帰事前学習中に3つの幾何位相の一貫した非単調列が発見された。
SFTとDPOは、特定の命令データや優先データを統合するために「エントロピー探索」ダイナミクスを駆動します。
論文 参考訳（メタデータ） (2025-09-27T00:46:29Z) - Intensity Profile Projection: A Framework for Continuous-Time
Representation Learning for Dynamic Networks [50.2033914945157]
本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。
このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。
さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
論文 参考訳（メタデータ） (2023-06-09T15:38:25Z)
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。