Συλλογές
Τίτλος Evaluating actions in sports analytics using deep learning
Εναλλακτικός τίτλος Αξιολογώντας δράσεις στην αθλητική ανάλυση χρησιμοποιώντας βαθιά μάθηση
Δημιουργός Κλάγκος, Δημήτριος, Klagkos, Dimitrios
Συντελεστής Gunopoulos, Dimitrios
Athens University of Economics and Business, Department of Informatics
Androutsopoulos, Ion
Kalogeraki, Vana
Τύπος Text
Φυσική περιγραφή 66p.
Γλώσσα en
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=8214
Περίληψη Κατά τη διάρκεια των δεκαετιών το Sports Analytics υπήρξε ένα ενδιαφέρον και δύσκολο έργο μεταξύ των ερευνητών. Φυσικά, ο αθλητισμός είναι ένας τρόπος για τους ανθρώπους να περνούν ευχάριστα το χρόνο τους και να ανακουφίζουν το στρες και το άγχος τους που προκαλούνται από την καθημερινή τους ρουτίνα. Ένα σημαντικό συστατικό, που έχουν όλοι κοινό είναι η αβεβαιότητα που παρέχει ένας αθλητικός αγώνας και τους προκαλεί τον ενθουσιασμό και την περιέργεια για όσους το παρακολουθούν. Από επιστημονική άποψη, οι ερευνητές θέλουν να ποσοτικοποιήσουν αυτήν την αβεβαιότητα μέσω μοντέλων και πιθανοτήτων προκειμένου να προβλέψουν και να εξηγήσουν γεγονότα. Έτσι, το Sports Analytics είναι ένα πεδίο με πολλά ενδιαφέροντα πράγματα για έρευνα όπως τραυματισμούς, αξιολόγηση δράσεων και προβλέψεις για τα αποτελέσματα των έναν αθλητικό αγώνα. Σε αυτό το άρθρο, αντιμετωπίζουμε το πρόβλημα της αξιολόγησης των ενεργειών των παικτών στο ποδόσφαιρο. Προτείνουμε μοντέλα βασισμένα στη Βαθιά Μάθηση, όπως Πλήρως Convolutional Neural Networks, Long Short Term Models και ο συνδυασμός τους χρησιμοποιώντας βήματα προεπεξεργασίας και τεχνικές κανονικοποίησης για να κάνουμε πιο ισχυρές προβλέψεις για τα καινούργια δεδομένα.
Over the recent decades, Sports Analytics has developed into an intriguing and challenging task in the research community. Sports is a way for people to pass their time pleasantly and relieve their stress and anxiety, often caused by their everyday routines. One important component that all sports events have in common is the uncertainty that the sports match provide and cause excitement and curiosity to those who observe it. From a scientific point of view, the researchers want to quantify this uncertainty through models and probabilities in order to predict and explain events. So, Sports Analytics is a field with many interesting aspects to investigate such as injuries, evaluation of actions and predictions of outcomes of a sport match. In this paper, we address the problem of the evaluation of actions of players in a football match. We propose models based on Deep Learning, including Fully Convolutional Neural Networks, Long Short Term Models and the combination of them using preprocessing steps and regularization techniques to make more robust predictions for the unseen data. Our experimental evaluation illustrates the working and benefits of our approach.
Λέξη κλειδί Actions
Football
Predictions
Δράσεις
Ποδόσφαιρο
Προβλέψεις
Διαθέσιμο από 2021-01-05 21:26:38
Ημερομηνία έκδοσης 01/05/2021
Ημερομηνία κατάθεσης 2021-01-05 21:26:38
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/