### 柔道の試合時間について（もしくは，軽くルール説明欄を作るか） - 柔道において，試合時間は4分間であり今回はそれを4分割した各区分ごとに実験を行う． - また技有を２つ取れば一本勝ち、もしくは指導が累積3つで反則負け、つまり一本負けとなる。 --- ### 結果の冒頭話の流れを入れる - 研究1では，ロジスティック回帰モデルを用いて審判が判定を下したタイミングでの勝敗分類予想を行う．研究2では，研究1で考慮していなかった時系列的な意味を考慮して分析を行う．1つはRNNを用いた次のアクションのスコア予測であり．1つは柔道経験者から得たデータから，分析方法で定義したスコアに時間に依存する重みづけを行いロジスティック回帰で勝敗分類予想を行う． - --- ### RMSE、RNN、Adamの詳細 - RNN ラインにファイル送った「KO500......pdf」ってやつ 金井関利(2020).「離散分布に従う系列データの高精度かつ安定な学習のための Recurrent Neural Network の研究」 - RMSE $$ \mathrm{RMSE}=\displaystyle\sqrt{\dfrac{1}{n}\sum_{k=1}^n(y_i-\hat{y_i})^2} $$ 定義式をかくか，直接的な説明はせずに目安の話をどこかで入れるか 目安については，もともとのデータ自身の標準偏差が結果から得られたものと近いため散らばり具合的には妥当だといえる - Adam https://arxiv.org/pdf/1412.6980.pdf Diederik P. Kingma, Jimmy Lei Ba(2017).「ADAM: A Method for Stochastic Optimization」 --- ### RNNの意義 　各試合でのスコアの最終結果から勝者を決定させ，その試合で発生した判定に関してすべて同じ勝者のラベル付けを行った． 　ロジスティック回帰で行ったことは各判定時での累積スコア値などを入力とした勝者の予測である． 　しかし，RNNで行ったことは勝者の予測ではない．次に起こるアクションの予測だ．柔道でいうと，次相手が技有をとってくるのか，もしくは自分が指導をとられるのかといったことが大まかな時間とともに予測できるのである． 　必ずしも正しい値ではないためまだ参考値程度だが，相手の行動がリアルタイムで認知できるのは戦略の幅を大きく広げることが可能になるだろう．精度は高いとは言えないが意義のある結果だと考える． ###