Positionsdaten werden in der Bundesliga bereits seit einigen Jahren erhoben. Mit Hilfe solcher Positionsdaten werden z. B. Zonen auf dem Platz bestimmt, die von einer Spielerin kontrolliert werden. Im ersten Teil des Vortrags wird gezeigt, dass existierende Verfahren zur Bestimmung von kontrollierten Zonen auf wenig plausiblen Bewegungsmodellen beruhen und verfälschte Ergebnisse liefern. Als Alternative werden datengetriebene Bewegungsmodelle vorgeschlagen, die für jede Spielerin individuell aus Positionsdaten geschätzt werden und zu realistischen kontrollierten Regionen weiterverarbeitet werden können. Der zweite Teil des Vortrags behandelt tiefe neuronale Netze zur automatischen Bewertung von Spielsituationen. Es wird der Frage nachgegangen, ob erfolgreiche Episoden nur anhand der Bewegungen der Spieler/innen und des Balls maschinell von nicht erfolgreichen Situationen unterschieden werden können. Der dritte Teil führt die beiden Aspekte Bewegung und Bewertung zusammen: es wird ein neuronales Netz vorgestellt, dass individuelle Bewegungen von Athleten aus Positionsdaten lernt und hinsichtlich der Erreichung des kollektiven Ziels bewertet. Die Kombination erlaubt es, auch individuelle Bewegungen zu bewerten und z. B. alternative Laufwege mit besseren Bewertungen zu generieren.
© Copyright 2018 Sportinformatik XII. 12. Symposium der dvs-Sektion "Sportinformatik und Sporttechnologie" vom 5.-7. September 2018 in Garching. Abstracts.. Julkaistu Tekijä Feldhaus, Ed. Czwalina. Kaikki oikeudet pidätetään. / Kääntänyt https://www.DeepL.com/Translator