Suchergebnisse - Lecture Notes in Computer Science

Treffer weiter einschränken
  1. 1

    ArcheryVis: A tool for analyzing and visualizing archery performance data (ArcheryVis: Ein Werkzeug zum Analysieren und Visualisieren von Leistungsdaten beim Bogenschießen)

    Cheng, Z., Li, Z., Luo, Z., Liu, M., D`Alonzo, J., Wang, C.
    Veröffentlicht in Advances in Visual Computing (2023)
    “… Lecture Notes in Computer Science; 14361 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  2. 2

    Where will they go? Predicting fine-grained adversarial multi-agent motion using conditional variational autoencoders (Wohin werden sie gehen? Vorhersage von fine-grained, adversarialer Multi-Agenten-Bewegung mithilfe von bedingten Variations-Autoencodern)

    Felsen, P., Lucey, P., Ganguly, S. Zeitschrift: “… Computer Vision - ECCV 2018. Lecture Notes in Computer Science: 15th European Conference, Munich, Germany, September 8-14, 2018 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  3. 3

    Drowning in a tsunami of online resources? Time to take stock and re-invent (Ertrinken wir in einem Tsunami von Online-Ressourcen? Zeit, Bilanz zu ziehen und neu zu erfinden)

    Waller, B., Pasanen, K.
    Veröffentlicht in British Journal of Sports Medicine (2021)
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  4. 4

    Automatic badminton action recognition using CNN with adaptive feature extraction on sensor data (Automatische Aktionserkennung im Badminton mittels CNN mit adaptiver Merkmalsextraktion aus Sensordaten)

    Wang, Y., Fang, W., Ma, J., Li, X., Zhong, A. “… Lecture Notes in Computer Science, 11643 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  5. 5

    An asymmetric modeling for action assessment (Eine asymmetrische Modellierung zur Handlungsbewertung)

    Gao, J., Zheng, W.-S., Pan, J.-H., Gao, C., Wang, Y., Zeng, W., Lai, J. Zeitschrift: “… Computer Vision - ECCV 2020. Lecture Notes in Computer Science …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  6. 6

    Case-Based Reasoning Research and Development. 28th International Conference, ICCBR 2020, Salamanca, Spain, June 8-12, 2020, Proceedings (Forschung und Entwicklung zum fallbasierten Schließen. 28. Internationale Konferenz, ICCBR 2020, Salamanca, Spanien, 8.-12. Juni 2020, Tagungsband)

    I. Watson, R. Weber
    Veröffentlicht 2020
    “… Lecture Notes in Computer Science, 12311 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  7. 7

    Predicting the personal-best times of speed skaters using case-based reasoning (Vorhersage der persönlichen Bestzeiten von Eisschnellläufern mittels fallbasiertem Schließen)

    Smyth, B., Willemsen, M. C. “… Lecture Notes in Computer Science, 12311 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  8. 8

    Using case-based reasoning to predict marathon performance and recommend tailored training plans (Verwendung von fallbasiertem Schließen zur Vorhersage der Marathonleistung und zur Empfehlung maßgeschneiderter Trainingspläne)

    Feely, C., Caulfield, B., Lawlor, A., Smyth, B. “… Lecture Notes in Computer Science, 12311 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  9. 9

    Quantitative analysis of hand movement in badminton (Quantitative Analyse der Handbewegung im Badminton)

    Jacob, A., Zakaria, W. N. W., Tomari, M. R. B. M.
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  10. 10

    Distinguishing between roles of football players in play-by-play match event data (Erkennen der Funktion von Fußballspielern nach Spielverlaufsdaten)

    Aalbers, B., van Haaren, J. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  11. 11

    Player valuation in European football (Spielerbewertung im europäischen Fußball)

    Nsolo, E., Lambrix, P., Carlsson, N. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  12. 12

    Ranking the teams in European football leagues with agony (Rankung von Mannschaften in den europäischen Fußballligen mit einem Agony-Algorithmus)

    Neumann, S., Ritter, J., Budhathoki, K. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  13. 13

    Interpreting deep sports analytics: Valuing actions and players in the NHL (Zum Verständnis der tiefen Sportanalytik: Bewertung von Aktionen und Spielern in der NHL)

    Liu, G., Zhu, W., Schulte, O. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  14. 14

    Player pairs valuation in ice hockey (Paarweise Spielerbewertung im Eishockey)

    Ljung, D., Carlsson, N., Lambrix, P. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  15. 15

    Model trees for identifying exceptional players in the NHL and NBA drafts (Modellbäume zur Identifizierung außergewöhnlicher Akteure in den Vorlagen der NHL und NBA)

    Liu, V., Schulte, O., Li, C. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  16. 16

    Real-time power performance prediction in Tour de France (Echtzeit-Leistungsvorhersage bei der Tour de France)

    Kataoka, Y., Gray, P. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  17. 17

    Predicting pass receiver in football using distance based features (Vorhersage des Passempfängers im Fußball unter Verwendung von entfernungsbasierten Merkmalen)

    Dauxais, Y., Gautrais, C. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  18. 18

    Football pass prediction using player locations (Passvorhersage im Fußball unter Verwendung von Spielerstandorten)

    Fournier-Viger, P., Liu, T., Chun-Wei Lin, J. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  19. 19

    Deep learning from spatial relations for soccer pass prediction (Deep learning aus räumlichen Beziehungen für die Vorhersage von Fußballpässen)

    Hubácek, O., Šourek, G., Železný, F. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle
  20. 20

    Predicting the receivers of football passes (Vorhersage der Empfänger von Fußballpässen)

    Li, H., Zhang, Z. Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. MLSA 2018. Lecture Notes in Computer Science, vol 11330 …”
    Zu den Favoriten
    Gespeichert in:
    Originalquelle

Suchwerkzeuge: