分位数回归从追踪数据学习运动员到达时间
热点事件持续更新
分位数回归从追踪数据学习运动员到达时间
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Marc Gutiérrez-Pérez 与 Antonio Agudo 提出将体育中的到达时间（TTA）建模为条件分位数回归问题，通过估计移动时间的下分位数来学习球员的下包络到达时间。 模型在 PFF FC 2022 年世界杯全部 64 场比赛的光学跟踪数据上训练，轻量级 MLP 在所有评估指标上持续优于六个文献中的球员运动模型及学习可达凸包基线。研究还在篮球跟踪数据和单场 NFL 数据集上评估了跨运动迁移性。
AI 根据报道生成 · 33 分钟前更新
最新进展10月28日 12:00
基于跟踪数据的分位数回归学习人类运动可行性报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI基于跟踪数据的分位数回归学习人类运动可行性
研究将体育中的到达时间（TTA）建模为条件分位数回归问题，估计移动时间的下分位数以学习球员的下包络到达时间。模型在 PFF FC FIFA World Cup 2022 全部 64 场比赛的光学跟踪数据上训练，轻量级 MLP 在所有评估指标上持续优于六个文献中的球员运动模型及学习可达凸包基线。研究还在篮球跟踪数据和单场 NFL 数据集上评估了跨运动迁移性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。