基于聚类与概念子的足球比赛分析
机器学习
2018-09-13 v1
摘要
我们提出一种新方法，用于从 2D 仿真联赛的足球比赛中识别我们称之为“动作”的情境与行为。能够识别关键情境与行为，对于分析足球比赛、预判对手行为以辅助选择合适战术，以及作为自动学习行为与策略的前提条件，都是非常有用的能力。为支持广泛的策略，我们的目标是以无监督方式从数据中识别情境，而不使用诸如“传球”或“盘带”等预定义的足球特定概念。我们方法中使用的循环神经网络充当场上情境近期历史的高维投影。相似的情境，即具有相似历史的情境，通过对网络状态进行聚类来发现。同样的网络也用于学习所谓的概念子，它们是描述通过高维状态空间的轨迹的低维流形，使得同一神经网络能够进行情境特定的预测。通过所提出的方法，我们可以将比赛分割为以无监督方式学习到的情境序列，并学习对相应情境的近期未来预测有用的概念子。
引用
@article{arxiv.1708.05821,
title = {Analysing Soccer Games with Clustering and Conceptors},
author = {Olivia Michael and Oliver Obst and Falk Schmidsberger and Frieder Stolzenburg},
journal= {arXiv preprint arXiv:1708.05821},
year = {2018}
}
备注
To appear in RoboCup 2017: Robot World Cup XXI; Springer, 2018