Published January 1, 2017
| Version v1
Publication
Open
Automated Player Selection for Sports Team using Competitive Neural Networks
- 1. Al al-Bayt University
- 2. National University of Computer and Emerging Sciences
- 3. Institut national de recherche en informatique et en automatique
Description
The use of data analytics to constitute a winning team for the least cost has become the standard modus operandi in club leagues, beginning from Sabermetrics for the game of basketball. Our motivation is to implement this enomenon in other sports as well, and for the purpose of this work we present a model for football, for which to the best of our knowledge, previous work does not exist. The main objective is to pick the best possible squad from an available pool of players. This will help decide which team of 11 football players is best to play against a particular opponent, perform prediction of future matches and helps team management in preparing the team for the future. We argue in favour of a semi-supervised learning approach in order to quantify and predict player performance from team data with mutual influence among players, and report win accuracies of around 60%.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
أصبح استخدام تحليلات البيانات لتشكيل فريق فائز بأقل تكلفة طريقة عمل قياسية في بطولات دوري الأندية، بدءًا من Sabermetrics للعبة كرة السلة. دافعنا هو تنفيذ هذه الظاهرة في الرياضات الأخرى أيضًا، ولغرض هذا العمل نقدم نموذجًا لكرة القدم، والتي على حد علمنا، لا يوجد عمل سابق لها. الهدف الرئيسي هو اختيار أفضل تشكيلة ممكنة من مجموعة متاحة من اللاعبين. سيساعد هذا في تحديد أي فريق من 11 لاعب كرة قدم هو الأفضل للعب ضد خصم معين، وأداء التنبؤ بالمباريات المستقبلية ويساعد إدارة الفريق في إعداد الفريق للمستقبل. نحن ندافع عن نهج التعلم شبه الخاضع للإشراف من أجل تحديد والتنبؤ بأداء اللاعب من بيانات الفريق مع التأثير المتبادل بين اللاعبين، والإبلاغ عن دقة الفوز بحوالي 60 ٪.Translated Description (French)
L'utilisation de l'analyse de données pour constituer une équipe gagnante au moindre coût est devenue le mode opératoire standard dans les ligues de clubs, à commencer par Sabermetrics pour le basket-ball. Notre motivation est de mettre en œuvre cet énomène dans d'autres sports également, et pour les besoins de ce travail, nous présentons un modèle pour le football, pour lequel, au meilleur de notre connaissance, les travaux antérieurs n'existent pas. L'objectif principal est de choisir la meilleure équipe possible parmi un pool de joueurs disponibles. Cela aidera à décider quelle équipe de 11 joueurs de football est la meilleure pour jouer contre un adversaire particulier, à effectuer des prédictions pour les matchs futurs et à aider la direction de l'équipe à préparer l'équipe pour l'avenir. Nous plaidons en faveur d'une approche d'apprentissage semi-supervisé afin de quantifier et de prédire les performances des joueurs à partir des données d'équipe avec une influence mutuelle entre les joueurs, et rapportons des précisions de gains d'environ 60%.Translated Description (Spanish)
El uso del análisis de datos para constituir un equipo ganador al menor costo se ha convertido en el modus operandi estándar en las ligas de clubes, a partir de Sabermetrics para el juego de baloncesto. Nuestra motivación es implementar este fenómeno también en otros deportes, y para el propósito de este trabajo presentamos un modelo para el fútbol, para el cual, según nuestro conocimiento, no existe trabajo previo. El objetivo principal es elegir el mejor equipo posible de un grupo disponible de jugadores. Esto ayudará a decidir qué equipo de 11 jugadores de fútbol es el mejor para jugar contra un oponente en particular, realizar predicciones de partidos futuros y ayudar a la administración del equipo a preparar al equipo para el futuro. Argumentamos a favor de un enfoque de aprendizaje semi-supervisado para cuantificar y predecir el rendimiento de los jugadores a partir de los datos del equipo con influencia mutua entre los jugadores, y reportar precisiones de ganancia de alrededor del 60%.Files
Paper_59-Automated_Player_Selection_for_a_Sports_Team.pdf.pdf
Files
(277.8 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:a4d70fbb885b381c4b4e8363354db1de
|
277.8 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- اختيار اللاعب الآلي للفريق الرياضي باستخدام الشبكات العصبية التنافسية
- Translated title (French)
- Sélection automatisée des joueurs pour l'équipe sportive utilisant des réseaux neuronaux compétitifs
- Translated title (Spanish)
- Selección automatizada de jugadores para equipos deportivos utilizando redes neuronales competitivas
Identifiers
- Other
- https://openalex.org/W2753645507
- DOI
- 10.14569/ijacsa.2017.080859
References
- https://openalex.org/W2039524435
- https://openalex.org/W2077279073
- https://openalex.org/W2136744117
- https://openalex.org/W2183382923
- https://openalex.org/W2521718111
- https://openalex.org/W2529173357