Naukowcy zastosowali regresję kwantylową do modelowania czasu dotarcia zawodnika do punktu na boisku, trenując model na danych śledzenia optycznego z 64 meczów MŚ 2022. Lekka sieć neuronowa przewyższa klasyczne modele ruchu gracza.
Wyobraź sobie trenera, który w ułamku sekundy wie, że napastnik nie dobiegnie do piłki przed obrońcą. Naukowcy wytrenowali lekką sieć neuronową na danych optycznych z 64 meczów mundialu 2022, używając regresji kwantylowej, by modelować czas dotarcia zawodnika do dowolnego punktu boiska. Efekt? Model bije klasyczne podejścia na głowę.
Tylko że boisko w meczu ligowym to nie mundial, a dane z jednego turnieju to dość wąskie okno na piłkarski świat. Zanim trenerzy zaczną podejmować decyzje taktyczne w oparciu o algorytm, warto zapytać: jak bardzo model radzi sobie poza swoim "domem", czyli danymi, na których go wychowano?
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google