抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
eSportにおける現在の研究は,適切なゲーム実践と性能解析のツールを欠いている。事前作業の大半は,より良い実行方法に関するプレーヤーを助言するためのゲーム内データにのみ依存した。しかし,ゲーム内ログ上でのみ訓練されたモデルの寿命を制限する新しいパッチによって,ゲーム力学と傾向が頻繁に変化する。本論文では,プレーヤーが今後の遭遇するかどうかを予測するためのセンサデータ解析に基づく方法を提案した。センサデータは,LegendsビデオゲームのLeagueにおける22のマッチにおける10人の参加者から収集した。著者らは,プレーヤーが,将来においていくつかの固定時間の後,遭遇するかどうかを予測するために,変換機とゲート再電流ユニットを含む機械学習モデルを訓練した。10秒の予測水平変圧器ニューラルネットワークアーキテクチャはROC AUCスコア0.706を達成した。このモデルは,73.5%の精度で88.3%のケースで10秒で遭遇する遭遇を失うことを予測可能な検出器にさらに開発した。これはプレーヤーバーンアウトまたは疲労検出器として使用され,プレイヤーを後退させる。また,生理学的特徴が,次のゲームの遭遇を勝るか,失う機会に影響を及ぼすかを調査した。【JST・京大機械翻訳】