Πρόβλεψη αποτελεσμάτων αθλητικών γεγονότων με χρήση δικτύων μακράς βραχύχρονης μνήμης (LSTM)

Σαρρής, Αντώνιος; Sarris, Antonios

dc.contributor.author	Σαρρής, Αντώνιος	el
dc.contributor.author	Sarris, Antonios	en
dc.date.accessioned	2023-02-24T09:05:57Z
dc.date.available	2023-02-24T09:05:57Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57162
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24860
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τεχνητή Νοημοσύνη	el
dc.subject	Δίκτυα Μακράς Βραχύχρονης Μνήμης	el
dc.subject	Ανάλυση Αθλητικών Γεγονότων	el
dc.subject	Βαθιά Μάθηση	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Machine Learning	en
dc.subject	Deep Learning	en
dc.subject	Sport Analytics	en
dc.subject	Long Short-Term Memory	en
dc.subject	LSTM	en
dc.title	Πρόβλεψη αποτελεσμάτων αθλητικών γεγονότων με χρήση δικτύων μακράς βραχύχρονης μνήμης (LSTM)	el
heal.type	masterThesis
heal.classification	Computer Science	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-02-01
heal.abstract	Τα τελευταία χρόνια ο τομέας της αθλητικής ανάλυσης παρουσιάζει μια συναρπαστική ευκαιρία για την εφαρμογή συστημάτων τεχνητής νοημοσύνης προκειμένου να υποβοηθηθεί η λήψη σύνθετων, σε πραγματικό χρόνο αποφάσεων σε ένα δυναμικό περιβάλλον με δεκάδες άτομα σε αλληλεπίδραση. To National Basketball Association (NBA) είναι ένα επαγγελματικό πρωτάθλημα καλαθοσφαίρισης στη Βόρεια Αμερική και θεωρείται το καλύτερο και πιο απαιτητικό πρωτάθλημα στον κόσμο. Συνεπώς, η συλλογή στατιστικών των play-by-play δεδομένων του εν λόγω πρωταθλήματος αποτυπώνει την λεπτομερής εξέλιξη του αγώνα, αποτελώντας την πιο αναλυτική στατιστική πληροφορία μιας αναμέτρησης. Στο πλαίσιο της παρούσας εργασίας θα πραγματοποιηθεί η συγκέντρωση και κανονικοποίηση αθλητικών δεδομένων ώστε να έρθουν σε μια μορφή που να μπορούν να αναλυθούν με χρήση βελτιωμένων μορφών τεχνητών ανατροφοδοτούμενων νευρωνικών δικτύων που χρησιμοποιούνται στον τομέα της βαθιάς μάθησης, όπως τα Δίκτυα Μακράς Βραχύχρονης Μνήμης (LSTM). Στόχος είναι η μέθοδος που θα ακολουθηθεί να πετύχει ένα υψηλό ποσοστό πρόβλεψης του τελικού αποτελέσματος πριν την λήξη ενός αθλητικού γεγονότος.	el
heal.abstract	In recent years, the field of sports analytics has presented an exciting opportunity to apply artificial intelligence systems to support complex, real-time decision making in a dynamic environment with dozens of interacting individuals. The National Basketball Association (NBA) is a professional basketball league in North America and is considered the best and most demanding league in the world. Therefore, the statistical collection of the play-by- play data of the said league captures the detailed evolution of the match, constituting the most detailed statistical information of a match. This work will involve gathering and normalizing sports data into a form that can be analyzed using improved forms of artificial feedback neural networks used in the field of deep learning, such as Long Short-Term Memory (LSTM) Networks. The aim is for the method to be followed to achieve a high percentage of prediction of the final result before the end of a sporting event.	en
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.	el
heal.fullTextAvailability	false