用于预测网球下一拍落点的记忆增强深度生成模型
机器学习
2019-01-17 v1 人工智能
神经与进化计算
机器学习
摘要
本文提出了一种预测网球击球落点与类型的新型框架。受近期神经科学发现的启发，我们引入神经记忆模块来建模网球运动员的情景记忆与语义记忆成分。我们提出了一种半监督生成对抗网络（Semi Supervised Generative Adversarial Network）架构，将这些记忆模型与深度神经网络的自动特征学习能力相结合，并展示了利用所提框架学习球员层面行为模式的方法。我们在2012年澳大利亚网球公开赛的网球追踪数据上评估了所提模型的有效性，并展示了该方法在揭示球员如何根据比赛情境调整其风格方面的应用。
引用
@article{arxiv.1901.05123,
title = {Memory Augmented Deep Generative models for Forecasting the Next Shot Location in Tennis},
author = {Tharindu Fernando and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:1901.05123},
year = {2019}
}