Τεχνητά νευρωνικά δίκτυα εφαρμοσμένα σε στατιστικά στοιχεία καλαθοσφαιριστών για την εκτίμηση της απόδοσής τους σε αγώνες

datacite.contributor.RelatedPersonΤσίχλας Κωσταντίνος
datacite.contributor.RelatedPersonΣιούτας Σπυρίδων
datacite.contributor.SupervisorΓεώργιος-Πέτρος Οικονόμου
dc.contributor.authorΧρυσόγελος, Αλέξανδρος
dc.contributor.otherChrysogelos, Alexandros
dc.date.accessioned2023-05-24T14:48:19Z
dc.date.available2023-05-24T14:48:19Z
dc.date.issued2023-05-11
dc.degreemasterThesis
dc.description.abstractΗ παρούσα Διπλωματική Εργασία εκπονήθηκε στα πλαίσια του προπτυχιακού κύκλου σπουδών του Τμήματος Μηχανικών H/Y και Πληροφορικής της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών υπό την επίβλεψη του κ. Γεωργίου Πέτρου Οικονόμου μέλους του εργαστηριακού διδακτικού προσωπικού. Αρχικά, διατρέχει τη σχετική βιβλιογραφία, για την κατανόηση των νευρωνικών δικτύων και παρέχει ενδιαφέροντα στοιχεία για την καλαθοσφαίριση και το στοιχηματισμό. Εν συνεχεία, μελετώνται οι εφαρμογές των νευρωνικών δικτύων στις διάφορες πτυχές της καθημερινότητας μας και καταγράφονται τα βασικά είδη των νευρωνικών δικτύων. Στα τελευταία κεφάλαια, αναλύεται η υλοποίηση του επιλεχθέντος νευρωνικού δικτύου για πρόβλεψη της απόδοσης των καλαθοσφαιριστών καθώς και καλαθοσφαιριστριών στο Αμερικάνικο πρωτάθλημα καλαθοσφαίρισης. Σκοπός της συγκεκριμένης εργασίας είναι να διερευνηθεί η χρήση των αλγορίθμων τεχνητών νευρωνικών δικτύων (ANN) και του αλγορίθμου λειτουργίας βάσης ακτίνας (RBF) στην πρόβλεψη του μέσου αριθμού σκοραρίσματος των αθλητών και αθλητριών του NBA και WNBA αντίστοιχα. Με το αυξανόμενο ενδιαφέρον για την μηχανική μάθηση, η εφαρμογή των νευρωνικών δικτύων έχει γίνει όλο και πιο δημοφιλής σε διάφορους τομείς. Το NBA, ως έναν από τα πιο εξελιγμένα και διάσημα αθλητικά πρωταθλήματα, προσφέρει μια ιδανική ευκαιρία για να διερευνηθεί η αποτελεσματικότητα αυτών των αλγορίθμων στην πρόβλεψη της απόδοσης των παικτών. Η παρούσα εργασία θα εξετάσει την υλοποίηση των αλγορίθμων ANN και RBF στην πρόβλεψη του μέσου αριθμού σκοραρίσματος των παικτών και παικτριών του NBA και WNBA αντίστοιχα σύμφωνα με διάφορα χαρακτηριστικά, όπως η προηγούμενη απόδοση του παίκτη, όπου περιλαμβάνονται στατιστικά όπως ποσοστά ευστοχίας, ριμπάουντ κ.α. Τα αποτελέσματα αυτής της μελέτης θα συμβάλλουν στην καλύτερη κατανόηση της αποτελεσματικότητας των νευρωνικών δικτύων στην πρόβλεψη της απόδοσης, καθώς επίσης να δοθεί και το έναυσμα για την παροχή εισηγήσεων και σε άλλα αθλήματα. Η συλλογή και η ανάλυση των δεδομένων θα πραγματοποιηθεί με τη χρήση επιλεγμένων προγραμματιστικών εργαλείων και τεχνικών μηχανικής μάθησης, ενώ οι επιδόσεις των αλγορίθμων θα αξιολογηθούν μέσω της σύγκρισής τους με πραγματικά στατιστικά στοιχεία των παικτών του NBA.
dc.identifier.urihttps://hdl.handle.net/10889/24989
dc.language.isoel
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectΤεχνητή νοημοσύνη
dc.subjectΤεχνητά νευρωνικά δίκτυα
dc.subjectΣύστημα πρόβλεψης
dc.subject.alternativeArtificial intelligence
dc.subject.alternativeArtificial neural networks
dc.subject.alternativePrediction system
dc.titleΤεχνητά νευρωνικά δίκτυα εφαρμοσμένα σε στατιστικά στοιχεία καλαθοσφαιριστών για την εκτίμηση της απόδοσής τους σε αγώνες
dc.title.alternativeArtificial neural networks applied to stats of basketball players in order to predict their performance in basketball matches
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Δ.Ε. ΧΡΥΣΟΓΕΛΟΣ ΑΛΕΞΑΝΔΡΟΣ
Size:
3.35 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
5.02 KB
Format:
Item-specific license agreed upon to submission
Description: