δείτε την πρωτότυπη σελίδα τεκμηρίου στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
Competing with humans at fantasy football: Team formation in large partially-observable domains
(EN)
We present the first real-world benchmark for sequentially- optimal team formation, working within the framework of a class of online football prediction games known as Fantasy Football. We model the problem as a Bayesian reinforce- ment learning one, where the action space is exponential in the number of players and where the decision maker’s be- liefs are over multiple characteristics of each footballer. We then exploit domain knowledge to construct computationally tractable solution techniques in order to build a competitive automated Fantasy Football manager. Thus, we are able to es- tablish the baseline performance in this domain, even without complete information on footballers’ performances (accessi- ble to human managers), showing that our agent is able to rank at around the top percentile when pitched against 2.5M human players.
(EN)
BASICS OF Q-LEARNING
(EN)
BACKGROUND ON FANTASY FOOTBALL
(EN)
EVALUATION
(EN)
MODELLING FPL
(EN)
Αγγλική γλώσσα
Association for the Advancement of Artificial Intelligence
(EN)
*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.
Βοηθείστε μας να κάνουμε καλύτερο το OpenArchives.gr.
Πολυτεχνείο Κρήτης
