구글 딥마인드에서 개발한 인공지능 바둑로봇 알파고와 한국의 이세돌 기사의 바둑 대결 이후 많은 사람들의 관심이 딥러닝에 집중되었다. 이에 구글에서는 Tensorflow오픈소스머신러닝 ...
구글 딥마인드에서 개발한 인공지능 바둑로봇 알파고와 한국의 이세돌 기사의 바둑 대결 이후 많은 사람들의 관심이 딥러닝에 집중되었다. 이에 구글에서는 Tensorflow오픈소스머신러닝프레임워크를 제공하였고, 학계에서도 딥러닝을 접목시킨 연구가 진행되고 있다. 최근 e-Sports가 제18회 자카르타-팔렘방 아시안게임에 채택되면서 많은 주목을 받고 있는 가운데, 스포츠 종목과 게임에서도 경기 내적데이터를 이용한 승패 예측에 관한 연구가 활발하게 진행되고 있다. 이 데이터를 가지고 효율적인 훈련방안을 제시하기도 한다. 이에 따라 e-Sports에서도 승패예측에 관한 연구가 조금씩 진행되고 있다. 하지만 지금까지 승패예측에 관련된 연구들은 주로 기계학습을 이용한 것에 초점을 두고 있지만 기계학습 중 인공신경망을 이용한 연구는 전무하다. 따라서 본 논문에서는 인공신경망을 이용한 실험을 시도하였으며, 이를 위해 e-Sports 대회 중 하나인 League of Legends를 채택하여 2018년 봄 시즌에 진행된 1라운드 데이터를 가지고 2라운드의 경기결과를 예측하였다. 본 실험을 위해 두 가지의 활성화 함수를 사용하여 인공신경망 모델을 설계하였는데, 검증은 실제 2라운드 데이터를 가지고 진행하였다. 실험 후 예측결과에 따르면, 상ㆍ하위권 팀의 예측률은 약 86% 이상이었으며, 중위권 팀의 경우 약 65%의 예측률을 보였다.
구글 딥마인드에서 개발한 인공지능 바둑로봇 알파고와 한국의 이세돌 기사의 바둑 대결 이후 많은 사람들의 관심이 딥러닝에 집중되었다. 이에 구글에서는 Tensorflow 오픈소스 머신러닝 프레임워크를 제공하였고, 학계에서도 딥러닝을 접목시킨 연구가 진행되고 있다. 최근 e-Sports가 제18회 자카르타-팔렘방 아시안게임에 채택되면서 많은 주목을 받고 있는 가운데, 스포츠 종목과 게임에서도 경기 내적데이터를 이용한 승패 예측에 관한 연구가 활발하게 진행되고 있다. 이 데이터를 가지고 효율적인 훈련방안을 제시하기도 한다. 이에 따라 e-Sports에서도 승패예측에 관한 연구가 조금씩 진행되고 있다. 하지만 지금까지 승패예측에 관련된 연구들은 주로 기계학습을 이용한 것에 초점을 두고 있지만 기계학습 중 인공신경망을 이용한 연구는 전무하다. 따라서 본 논문에서는 인공신경망을 이용한 실험을 시도하였으며, 이를 위해 e-Sports 대회 중 하나인 League of Legends를 채택하여 2018년 봄 시즌에 진행된 1라운드 데이터를 가지고 2라운드의 경기결과를 예측하였다. 본 실험을 위해 두 가지의 활성화 함수를 사용하여 인공신경망 모델을 설계하였는데, 검증은 실제 2라운드 데이터를 가지고 진행하였다. 실험 후 예측결과에 따르면, 상ㆍ하위권 팀의 예측률은 약 86% 이상이었으며, 중위권 팀의 경우 약 65%의 예측률을 보였다.
After the Baduk(‘Go’) confrontation between artificial intelligence Baduk robot AlphaGo, being developed by Google Deep Mind and Korea's champion Lee, Sedol, many people's attention was focused on deep learning. Accordingly, Google has provided a Tensorflow open source machine learning framework, an...
After the Baduk(‘Go’) confrontation between artificial intelligence Baduk robot AlphaGo, being developed by Google Deep Mind and Korea's champion Lee, Sedol, many people's attention was focused on deep learning. Accordingly, Google has provided a Tensorflow open source machine learning framework, and academic research incorporating deep learning is being made. Recently, e-Sports has been attracting much attention since its adoption in the 18th Jakarta-Palembang Asian Games, and researches on the prediction of victory / defeat using in-game data have been actively conducted in sports events and games. These data are also providing an effective training plan. As a result, research on prediction of victory / defeat is progressing gradually in e-Sports. However, until now, studies on prediction of victory / defeat have mainly focused on artificial neural network. Therefore, in this paper, an experiment using an artificial neural network was attempted. For this purpose, League of Legends, one of the e-Sports competitions, was adopted to predict the result of second round of the game with the first round data of spring 2018 season. For this experiment, an artificial neural network model was designed using two activation functions. The verification was carried out with real second round data. According to the prediction results after the experiment, the predictions rate of the top and bottom teams were more than 86%, and the mid-level teams had a prediction rate of about 65%.
After the Baduk(‘Go’) confrontation between artificial intelligence Baduk robot AlphaGo, being developed by Google Deep Mind and Korea's champion Lee, Sedol, many people's attention was focused on deep learning. Accordingly, Google has provided a Tensorflow open source machine learning framework, and academic research incorporating deep learning is being made. Recently, e-Sports has been attracting much attention since its adoption in the 18th Jakarta-Palembang Asian Games, and researches on the prediction of victory / defeat using in-game data have been actively conducted in sports events and games. These data are also providing an effective training plan. As a result, research on prediction of victory / defeat is progressing gradually in e-Sports. However, until now, studies on prediction of victory / defeat have mainly focused on artificial neural network. Therefore, in this paper, an experiment using an artificial neural network was attempted. For this purpose, League of Legends, one of the e-Sports competitions, was adopted to predict the result of second round of the game with the first round data of spring 2018 season. For this experiment, an artificial neural network model was designed using two activation functions. The verification was carried out with real second round data. According to the prediction results after the experiment, the predictions rate of the top and bottom teams were more than 86%, and the mid-level teams had a prediction rate of about 65%.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.