从对抗性多智能体轨迹学习并预测篮球投篮命中率
机器学习
2021-01-19 v5 机器学习
摘要
本文中，我们根据多智能体轨迹预测篮球运动员投篮命中的可能性。以往处理类似问题的方法集中于手工设计特征以捕捉特定领域的知识。尽管这很直观，但近期深度学习的工作表明该方法容易遗漏重要的预测特征。为规避这一问题，我们提出了一种卷积神经网络（CNN）方法，首先将多智能体行为表示为图像。为了编码篮球的对抗性质，我们使用多通道图像并将其输入到 CNN 中。此外，为了捕捉轨迹的时间方面，我们对球员轨迹进行“褪色”处理。我们发现该方法优于传统的 FFN 模型。通过使用梯度上升利用已训练的 CNN 生成图像，我们发现了 CNN 滤波器学习到的特征。最后，我们发现组合的 CNN+FFN 是性能最佳的网络，其错误率为39%。
引用
@article{arxiv.1609.04849,
title = {Predicting Shot Making in Basketball Learnt from Adversarial Multiagent Trajectories},
author = {Mark Harmon and Abdolghani Ebrahimi and Patrick Lucey and Diego Klabjan},
journal= {arXiv preprint arXiv:1609.04849},
year = {2021}
}