ترجمه فارسی مقاله مدل انتقال حرکت مبتنی بر TCDformer برای پیش‌بینی بلند مدت ورزش

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی TCDformer-based Momentum Transfer Model for Long-term Sports Prediction
عنوان مقاله به فارسی مدل انتقال حرکت مبتنی بر TCDformer برای پیش‌بینی بلند مدت ورزش
نویسندگان Hui Liu, Jiacheng Gu, Xiyuan Huang, Junjie Shi, Tongtong Feng, Ning He
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Applications,یادگیری ماشین , برنامه ها ,
توضیحات Submitted 16 September, 2024; originally announced September 2024. , Comments: Under reviewing
توضیحات به فارسی ارائه شده 16 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، نظرات: تحت بررسی
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Accurate sports prediction is a crucial skill for professional coaches, which can assist in developing effective training strategies and scientific competition tactics. Traditional methods often use complex mathematical statistical techniques to boost predictability, but this often is limited by dataset scale and has difficulty handling long-term predictions with variable distributions, notably underperforming when predicting point-set-game multi-level matches. To deal with this challenge, this paper proposes TM2, a TCDformer-based Momentum Transfer Model for long-term sports prediction, which encompasses a momentum encoding module and a prediction module based on momentum transfer. TM2 initially encodes momentum in large-scale unstructured time series using the local linear scaling approximation (LLSA) module. Then it decomposes the reconstructed time series with momentum transfer into trend and seasonal components. The final prediction results are derived from the additive combination of a multilayer perceptron (MLP) for predicting trend components and wavelet attention mechanisms for seasonal components. Comprehensive experimental results show that on the 2023 Wimbledon men's tournament datasets, TM2 significantly surpasses existing sports prediction models in terms of performance, reducing MSE by 61.64% and MAE by 63.64%.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی دقیق ورزش یک مهارت مهم برای مربیان حرفه ای است که می تواند در تدوین استراتژی های آموزشی مؤثر و تاکتیک های رقابت علمی کمک کند.روشهای سنتی غالباً از تکنیک های آماری ریاضی پیچیده برای تقویت پیش بینی استفاده می کنند ، اما این اغلب توسط مقیاس مجموعه داده ها محدود است و در انجام پیش بینی های بلند مدت با توزیع متغیر ، به ویژه در هنگام پیش بینی مسابقات چند سطحی بازی ، کم تحرک است.برای مقابله با این چالش ، این مقاله TM2 را پیشنهاد می کند ، یک مدل انتقال حرکت مبتنی بر TCDFormer برای پیش بینی ورزشی طولانی مدت ، که شامل یک ماژول رمزگذاری حرکت و یک ماژول پیش بینی بر اساس انتقال حرکت است.TM2 در ابتدا با استفاده از ماژول تقریب مقیاس خطی محلی (LLSA) ، در سری های زمانی بدون ساختار در مقیاس بزرگ رمزگذاری می کند.سپس سری زمانی بازسازی شده را با انتقال حرکت به قطعات روند و فصلی تجزیه می کند.نتایج پیش بینی نهایی از ترکیب افزودنی یک Perceptron چند لایه (MLP) برای پیش بینی اجزای روند و مکانیسم های توجه موجک برای اجزای فصلی حاصل می شود.نتایج جامع تجربی نشان می دهد که در مجموعه داده های مسابقات مردان ویمبلدون 2023 ، TM2 به طور قابل توجهی از مدل های پیش بینی ورزشی موجود از نظر عملکرد پیشی می گیرد و MSE را 61.64 ٪ و MAE با 63.64 ٪ کاهش می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.