08測-12-ポ-01 ディープラーニングによるサッカーの連続する攻撃プレーの予測
Abstract
<p> サッカーにおける連続する攻撃プレーを予測するために、攻撃プレー系列に依存して順次攻撃プレーを予測するモデルを構築することが必要である。本研究の目的は、LSTM(Long Short-Term Memory)を用いたリカレントニューラルネットワークを適用して、サッカーのシュートまでの連続する攻撃プレーを予測するモデルを構築することであった。サッカーゲームのトラッキングデータとボールイベントデータを使用した。標本はJリーグ2016の2試合での6443プレー(学習用80%、検証用20%)であった。予測モデルは、LSTM、ロジスティック回帰(LR)、サポートベクターマシーン(SVM)を適用した。予測モデルの精度は、LR(24.3%)、SVM(23.5%)、LSTM(44.1%)であった。LSTMモデルが予測する連続プレーにおけるシュート出現確率を予測した。最大シュート出現確率(10.9%)のシュートまでの攻撃プレー系列は、直接FK→トラップ→中央ゾーンへのスルーパスの順であった。サッカーゲームデータから連続する攻撃プレーを予測するためのLSTMを用いたモデルは、従来の統計手法と比較して妥当である。</p>
Journal
-
- Japan Society of Physical Education, Health and Sport Sciences Conference Proceedings
-
Japan Society of Physical Education, Health and Sport Sciences Conference Proceedings 70 (0), 226_3-226_3, 2019
Japan Society of Physical Education, Health and Sport Sciences
- Tweet
Details 詳細情報について
-
- CRID
- 1390283659831906048
-
- NII Article ID
- 130007770317
-
- ISSN
- 24241946
-
- Text Lang
- ja
-
- Data Source
-
- JaLC
- CiNii Articles
-
- Abstract License Flag
- Disallowed