- -

Redes neuronales en el fútbol

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Redes neuronales en el fútbol

Show simple item record

Files in this item

dc.contributor.author Sancho Barrios, Llorenç es_ES
dc.contributor.author Sanmartin Vich, Onofre es_ES
dc.contributor.author Roger de la Resurreccion, Carlos es_ES
dc.date.accessioned 2021-02-17T11:42:51Z
dc.date.available 2021-02-17T11:42:51Z
dc.date.issued 2021-01-27
dc.identifier.uri http://hdl.handle.net/10251/161659
dc.description.abstract [EN] Machine learning provides the ability to examine massive datasets and discover patterns within the data without relying on a priori assumptions. Its application to the field of sport (which is experiencing rapid growth) is divided into predictive (training programmes, results...) and explanatory (injuries) models. In this report, which is part of a final project for a master’s degree course, we use unsupervised learning techniques (self-organised maps and clustering) to group players according to different statistics (passes, goals, fouls, etc.) and compare the results with their real playing positions. We also describe the tools used to implement and visualise the results, so that a reader can be inspired to carry out their own project. es_ES
dc.description.abstract [ES] El aprendizaje automático brinda la capacidad de examinar conjuntos de datos masivos y descubrir patrones dentro de los datos sin depender de suposiciones a priori. Su aplicación al ámbito del deporte, que está experimentando un rápido crecimiento, se divide en modelos predictivos (programas de entrenamiento, resultados...) y explicativos (lesiones). En esta memoria, que forma parte de un proyecto final para una asignatura de máster, empleamos técnicas de aprendizaje no supervisado (mapas autoorganizados y clústering) para agrupar jugadores en función de diferentes estadísticas (pases, goles, faltas, etc) y comparamos los resultados con sus posiciones reales de juego. Asimismo, se describen las herramientas utilizadas para implementar y visualizar los resultados, con el objetivo de que un lector pueda inspirarse para realizar su propio proyecto. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Modelling in Science Education and Learning es_ES
dc.rights Reconocimiento - No comercial (by-nc) es_ES
dc.subject Self-Organized Maps es_ES
dc.subject Football es_ES
dc.subject Shiny es_ES
dc.subject R (Lenguaje de programación) es_ES
dc.subject Unsupervised Learning es_ES
dc.subject Artificial Intelligence es_ES
dc.subject Mapas Autoorganizados es_ES
dc.subject Fútbol es_ES
dc.subject Inteligencia Artificial es_ES
dc.subject Aprendizaje no supervisado es_ES
dc.title Redes neuronales en el fútbol es_ES
dc.title.alternative Neural networks in football es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/msel.2021.15023
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Sancho Barrios, L.; Sanmartin Vich, O.; Roger De La Resurreccion, C. (2021). Redes neuronales en el fútbol. Modelling in Science Education and Learning. 14(1):15-32. https://doi.org/10.4995/msel.2021.15023 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/msel.2021.15023 es_ES
dc.description.upvformatpinicio 15 es_ES
dc.description.upvformatpfin 32 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 14 es_ES
dc.description.issue 1 es_ES
dc.identifier.eissn 1988-3145
dc.relation.pasarela OJS\15023 es_ES
dc.description.references Calabuig, J. M. and García Raffi, L. M. and Sánchez Pérez, E. A. (2021). Aprender como una máquina: Introduciendo la inteligencia artificial en la enseñanza secundaria. Modelling in Science, Education and Learning, v. 14, n. 1, p. 45-52. es_ES
dc.description.references Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice-Hall international editions. Prentice-Hall. es_ES
dc.description.references Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. International Edition. Prentice Hall. es_ES
dc.description.references Kohonen, T. (1982). Self-organized formation of topologically correct featuremaps. Biological Cybernetics 43, 59-69. https://doi.org/10.1007/BF00337288 es_ES
dc.description.references Murtagh, F. hclust package. https://www.rdocumentation.org/packages/stats/versions/3.6.2/ topics/hclust es_ES
dc.description.references Wehrens, R. and Kruisselbrink, J. Supervised and unsupervised self-organising maps. https://github.com/cran/kohonen es_ES


This item appears in the following Collection(s)

Show simple item record