pa.llcitycouncil.org
ਨਵੀਨਤਾ

ਇਹ ਨਵਾਂ ਐਲਗੋਰਿਦਮ ਖੇਡਾਂ ਤੋਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ

ਇਹ ਨਵਾਂ ਐਲਗੋਰਿਦਮ ਖੇਡਾਂ ਤੋਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.


ਖੇਡ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਐਲਗੋਰਿਦਮ ਅਸਧਾਰਨ ਨਹੀਂ ਹਨ. ਉਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਖਿਡਾਰੀ ਦੇ ਡੇਟਾ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ, ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਮੈਟ੍ਰਿਕਸ ਦੀ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੀਗ ਕਾਰੋਬਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕੀਤੀ ਗਈ ਹੈ. ਹਾਲਾਂਕਿ, ਕਿਸੇ ਨੇ ਵੀ ਇਸ ਨਵੀਂ ਐਲਗੋਰਿਦਮ ਵਰਗੇ ਵਿਰੋਧੀਆਂ ਦਾ ਸਫਲਤਾਪੂਰਵਕ ਮੁਲਾਂਕਣ ਨਹੀਂ ਕੀਤਾ.

[ਚਿੱਤਰ ਸਰੋਤ:ਪਿਕਸ਼ਾਬੇ]

ਡਿਜ਼ਨੀ ਰਿਸਰਚ, ਕੈਲੀਫੋਰਨੀਆ ਇੰਸੀਟਿ ofਟ ਆਫ ਟੈਕਨਾਲੋਜੀ ਅਤੇ ਸਟੈਟਸ ਸਪੋਰਟਸ ਡੇਟਾ ਸਮੂਹ ਤੋਂ ਇਹ ਨਵਾਂ ਡੂੰਘਾ ਸਿੱਖਣ ਐਲਗੋਰਿਦਮ, ਕੋਚਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਮੁਕਾਬਲੇ ਲਈ ਇਕ ਪੈਰ ਬੰਨ੍ਹਦਾ ਹੈ. ਵਿਧੀ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਖਿਡਾਰੀ ਦੀਆਂ ਅਹੁਦਿਆਂ ਅਤੇ ਗੇਂਦ ਦੀ ਲਹਿਰ ਬਾਰੇ ਗੇਮ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਲੈਂਦੀ ਹੈ ਤਾਂ ਕਿ ਕਿਸੇ ਹੋਰ ਟੀਮ ਦਾ ਆਮ ਖਿਡਾਰੀ ਕੁਝ ਸਥਿਤੀਆਂ ਦੇ ਦੌਰਾਨ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰੇ. ਮਾਡਲਾਂ - ਜਾਂ "ਭੂਤ" - ਕੋਚਾਂ ਨੂੰ ਖਿਡਾਰੀਆਂ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ ਜਿਸ ਨਾਲ ਮਾਡਲ ਪ੍ਰਭਾਵੀ ਦੇ ਤੌਰ ਤੇ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ.

ਇਹ ਪਹਿਲੀ ਵਾਰ ਨਹੀਂ ਹੈ ਜਦੋਂ ਭੂਤ-ਪ੍ਰੇਤ ਖੇਡ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਸੀ. ਐਨਬੀਏ ਦੇ ਟੋਰਾਂਟੋ ਰੈਪਟਰਾਂ ਨੇ ਰੱਖਿਆਤਮਕ ਹਰਕਤਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸਾੱਫਟਵੇਅਰ ਦੇ ਪੁਰਾਣੇ ਸੰਸਕਰਣ ਦੀ ਵਰਤੋਂ ਕੀਤੀ. ਜਦੋਂ ਕਿ ਇਹ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ, ਪ੍ਰਕਿਰਿਆ tਖੇ ਸਨ. ਇਹ ਨਵਾਂ ਐਲਗੋਰਿਦਮ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀਆਂ ਤਕਨੀਕਾਂ ਦੁਆਰਾ ਸਵੈਚਾਲਿਤ ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ. ਡਿਜ਼ਨੀ ਰਿਸਰਚ ਦੇ ਖੋਜ ਵਿਗਿਆਨੀ ਪੀਟਰ ਕਾਰ ਨੇ ਸੁਧਾਰ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ:

"ਸਾਡੀ ਪਹੁੰਚ ਮੈਨੂਅਲ ਇਨਪੁਟ ਦੀ ਜ਼ਰੂਰਤ ਤੋਂ ਪਰਹੇਜ਼ ਕਰਦੀ ਹੈ. ਸਾਡੇ ਭੂਤ-ਪ੍ਰੇਤ ਮਾਡਲ ਨੂੰ ਕਈ ਘੰਟਿਆਂ ਵਿਚ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਇਹ ਹਰ ਖੇਡ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਵਿਚ ਪ੍ਰੇਤ ਕਰ ਸਕਦਾ ਹੈ. ਕਿਉਂਕਿ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈਚਾਲਿਤ ਹੈ, ਅਸੀਂ ਆਸਾਨੀ ਨਾਲ ਡੇਟਾ ਦੇ ਵੱਖ ਵੱਖ ਸਬਸੈਟਾਂ ਲਈ ਮਾਡਲਾਂ ਸਿੱਖ ਸਕਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ. ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਖਾਸ ਟੀਮ ਦੀਆਂ ਸਾਰੀਆਂ ਖੇਡਾਂ. "

ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੀ ਤਕਨੀਕ ਉਸੇ ਤਰ੍ਹਾਂ ਦੀ ਨਿuralਰਲ ਨੈੱਟਵਰਕਿੰਗ ਪ੍ਰਣਾਲੀ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਜਿਵੇਂ ਹੋਰ ਡੂੰਘੀ-ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀਆਂ ਜਿਵੇਂ ਆਈ ਬੀ ਐਮ ਦੇ ਵਾਟਸਨ. ਡੂੰਘੀ ਸਿਖਲਾਈ ਜ਼ਿਆਦਾਤਰ ਐਲਗੋਰਿਦਮ ਦੇ ਤਰਕਸ਼ੀਲ ਸੁਭਾਅ ਨੂੰ ਹਟਾਉਂਦੀ ਹੈ ਅਤੇ ਮਨੁੱਖ ਨੂੰ ਦਿਮਾਗ ਵਿਚ ਜੋ ਚਲਦੀ ਹੈ ਉਸ ਨੂੰ ਦੁਹਰਾਉਣ ਦੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਆਗਿਆ ਦਿੰਦੀ ਹੈ. ਇਹ ਕਈ ਨਤੀਜਿਆਂ ਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਭਾਵਿਤ ਨਤੀਜਿਆਂ ਦੀ ਗਿਣਤੀ ਤੇ ਪਹੁੰਚਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ.

ਖਾਸ ਤੌਰ ਤੇ, ਡਿਜ਼ਨੀ ਦੀ ਅਗਵਾਈ ਵਾਲੀ ਟੀਮ ਨੇ ਆਵਰਤੀ ਨਿ neਰਲ ਨੈਟਵਰਕਸ ਨੂੰ ਜੋੜਿਆ. ਇਹ ਸਾਧਨ ਉਨ੍ਹਾਂ ਨੂੰ ਤਾਜ਼ਾ ਗੇਮਪਲੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਕਾਰਵਾਈਆਂ ਬਾਰੇ ਜਲਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦਿੰਦਾ ਹੈ. ਗੂਗਲ ਨੇ ਆਪਣੇ ਗੋ ਸਿਸਟਮ ਨੂੰ ਬਣਾਉਣ ਲਈ ਹਾਲ ਹੀ ਵਿੱਚ ਇਸ ਕਿਸਮ ਦੀ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ.

ਸਿਸਟਮ ਬਹੁਤ ਸਾਰੀਆਂ ਵੱਡੀਆਂ ਖੇਡਾਂ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ. ਹਾਲਾਂਕਿ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਫੁਟਬਾਲ ਵਿੱਚ ਗਲਤੀ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਫਰਕ ਸੀ ਕਿਉਂਕਿ ਖੇਡ ਰਾਜ ਸਭ ਤੋਂ ਵੱਧ ਨਿਰੰਤਰ ਹੈ.

ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਿਛਲੇ ਹਫ਼ਤੇ ਮੈਸੇਚਿਉਸੇਟਸ ਦੇ ਬੋਸਟਨ ਵਿੱਚ ਐਮਆਈਟੀ ਸਲੋਨ ਸਪੋਰਟਸ ਐਨਾਲਿਟਿਕਸ ਕਾਨਫਰੰਸ ਵਿੱਚ ਆਪਣਾ ਕੰਮ ਪੇਸ਼ ਕੀਤਾ। ਫੁਟਬਾਲ ਦੇ ਗਲਤੀ ਦੇ ਹਾਸ਼ੀਏ ਦੇ ਬਾਵਜੂਦ, ਇਹ ਉਹ ਖੇਡ ਹੈ ਜੋ ਉਹ ਐਲਗੋਰਿਦਮ ਦੇ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਪ੍ਰਦਰਸ਼ਤ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਸਨ. ਹਾਲਾਂਕਿ, ਟੀਮ ਨੇ ਕਿਹਾ ਕਿ ਅਮਰੀਕੀ ਫੁਟਬਾਲ ਅਤੇ ਬਾਸਕਟਬਾਲ ਪ੍ਰਮੁੱਖ ਖੇਡਾਂ ਬਣਾਉਂਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕੇ.

ਡਿਜ਼ਨੀ ਰਿਸਰਚ ਦੇ ਮੀਤ ਪ੍ਰਧਾਨ ਮਾਰਕਸ ਗਰੋਸ ਨੇ ਇਕ ਪ੍ਰੈਸ ਬਿਆਨ ਵਿਚ ਕਿਹਾ, “ਸਟੀਕ, ਦੂਜੀ - ਗੇਮ ਦਾ ਅੰਕੜਾ ਹੁਣ ਵਿਆਪਕ ਤੌਰ ਤੇ ਉਪਲਬਧ ਹੈ ਅਤੇ ਜਿਵੇਂ ਕਿ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਹੋਰ ਵੱਧਦਾ ਜਾ ਰਿਹਾ ਹੈ। “ਜਿੰਨੇ ਉਹ ਕੀਮਤੀ ਹਨ, 'ਵਿਨਜ਼-ਅਵਰੋਵ-ਰਿਪਲੇਸਮੈਂਟ' ਅਤੇ 'ਐਕਸਪੈਕਟਡ ਪੁਆਇੰਟ ਵੈਲਯੂ' ਵਰਗੇ ਮੈਟ੍ਰਿਕਸ ਖੇਡ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸਾਰੇ ਅਤੇ ਅੰਤ ਦੇ ਨਹੀਂ ਹਨ. ਜਿਵੇਂ ਕਿ ਇਹ ਨਵੀਂ ਖੋਜ ਦਰਸਾਉਂਦੀ ਹੈ, ਅਸੀਂ ਹੁਣੇ ਹੀ ਮਹਿਸੂਸ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਾਂ. ਡਾਟਾ ਜੋ ਸਾਨੂੰ ਦੱਸ ਸਕਦਾ ਹੈ ਦੀ ਪੂਰੀ ਸੰਭਾਵਨਾ ਹੈ. "

ਤੁਸੀਂ ਹੇਠਾਂ ਇਸ ਵੀਡੀਓ ਵਿਚ ਭੂਤ-ਪ੍ਰੇਤ ਬਾਰੇ ਡਿਜ਼ਨੀ ਰਿਸਰਚ ਸਟੈਟਸ ਤੋਂ ਹੋਰ ਦੇਖ ਸਕਦੇ ਹੋ:

ਤੁਸੀਂ ਡਿਜ਼ਨੀ ਰਿਸਰਚ ਵੈਬਸਾਈਟ 'ਤੇ ਖੋਜਕਰਤਾਵਾਂ ਤੋਂ ਪੂਰਾ ਪੇਪਰ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਥੇ ਪੜ੍ਹ ਸਕਦੇ ਹੋ: ਡਿੱਪ ਇਮਿਟੇਸ਼ਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਡੈਟਾ ਦੁਆਰਾ ਚਲਾਏ ਗੋਸਟਿੰਗ.

ਹੋਰ ਵੇਖੋ: ਨਕਲੀ ਖੁਫੀਆ ਸਿਸਟਮ ਸਪੋਰਟਿੰਗ ਲਾਈਨਅਪਸ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਸਕਦਾ ਹੈ


ਵੀਡੀਓ ਦੇਖੋ: ਖਤਰਆ ਨਲ ਜ ਖਡਣ ਦ ਸਕ ਰਖਦ, ਦਖ ਕਵ ਲਗਦ ਜਫ ਤ ਜਫ