دفاعیه کارشناسی ارشد (صنایع) تحلیل و ارزیابی اقدامات بازیکنان فوتبال با استفاده از مدل یادگیری تقویتی عمیق
| تاریخ ارسال: 1400/11/14 |
دانشجو: خانم زهره قلی پور
استاد راهنما: دکتر محمد وحید سبط
زمان: دوشنبه ۱۸ بهمن ماه ۱۴۰۰ ساعت: ۱۷:۰۰
لینک ورود به جلسه
استاد راهنما: دکتر محمد وحید سبط
زمان: دوشنبه ۱۸ بهمن ماه ۱۴۰۰ ساعت: ۱۷:۰۰
لینک ورود به جلسه
چکیده
ورزش فوتبال یکی از محبوبترین ورزشها است که افراد زیادی را علاقهمند به تجزیه‌وتحلیل دادههای فوتبال کرده است. تجزیه‌وتحلیل دادههای فوتبال به دلیل تعاملات پیچیده بین بازیکنان در طول فرآیند بازی، کاری دشوار است. علاوه بر این، دادههای ورزش فوتبال در دسته دادههای نامتعادل قرار دارد که همین امر باعث میشود ارتباط مهارت بازیکن به نتایج مسابقات دشوار شود. استخراج دانش از این مجموعه دادهها، پژوهشگران بسیاری را علاقهمند به استفاده از تکنیکهای هوش مصنوعی کرده است. بااین‌حال ادبیات موجود، در مورد یادگیری از دادههای جریان رویداد کاستیهای فراوانی را نشان میدهد. این مقاله یک رویکرد جدید برای ارزشگذاری اقدامات بازیکنان در حالتهای مختلف بازی ارائه کرده است. مجموعه دادههای مورداستفاده در این پژوهش، دادههای جریان رویداد Wyscout برای مسابقات جام جهانی (۲۰۱۸) است. پس از اعمال آمادهسازی بر روی دادهها و تبدیل دادهها به فرمت SPADL، با استفاده از الگوریتم Dueling DQN، مزیت تمام اقدامات بازیکنان استخراج‌شده است. این نتایج برای اولین بار در ادبیات تجزیه‌وتحلیل ورزشی ارائه‌شده است. سرانجام بهترین مهاجمان، بهترین مدافعان، بهترین هافبکها و بهترین دروازهبانان بر اساس مزیت اقداماتی که انجام داده بودند، ارائه گردید. نتایج به‌دست‌آمده نشان داده است که با استفاده از مدل یادگیری تقویتی که جزء قدرتمندترین مدلهای هوش مصنوعی است، میتوان اقدامات بازیکنان را ارزیابی نمود.
ورزش فوتبال یکی از محبوبترین ورزشها است که افراد زیادی را علاقهمند به تجزیه‌وتحلیل دادههای فوتبال کرده است. تجزیه‌وتحلیل دادههای فوتبال به دلیل تعاملات پیچیده بین بازیکنان در طول فرآیند بازی، کاری دشوار است. علاوه بر این، دادههای ورزش فوتبال در دسته دادههای نامتعادل قرار دارد که همین امر باعث میشود ارتباط مهارت بازیکن به نتایج مسابقات دشوار شود. استخراج دانش از این مجموعه دادهها، پژوهشگران بسیاری را علاقهمند به استفاده از تکنیکهای هوش مصنوعی کرده است. بااین‌حال ادبیات موجود، در مورد یادگیری از دادههای جریان رویداد کاستیهای فراوانی را نشان میدهد. این مقاله یک رویکرد جدید برای ارزشگذاری اقدامات بازیکنان در حالتهای مختلف بازی ارائه کرده است. مجموعه دادههای مورداستفاده در این پژوهش، دادههای جریان رویداد Wyscout برای مسابقات جام جهانی (۲۰۱۸) است. پس از اعمال آمادهسازی بر روی دادهها و تبدیل دادهها به فرمت SPADL، با استفاده از الگوریتم Dueling DQN، مزیت تمام اقدامات بازیکنان استخراج‌شده است. این نتایج برای اولین بار در ادبیات تجزیه‌وتحلیل ورزشی ارائه‌شده است. سرانجام بهترین مهاجمان، بهترین مدافعان، بهترین هافبکها و بهترین دروازهبانان بر اساس مزیت اقداماتی که انجام داده بودند، ارائه گردید. نتایج به‌دست‌آمده نشان داده است که با استفاده از مدل یادگیری تقویتی که جزء قدرتمندترین مدلهای هوش مصنوعی است، میتوان اقدامات بازیکنان را ارزیابی نمود.
مطالب مشابه
دفعات مشاهده: 521 بار |
دفعات چاپ: 96 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر